Attitudes of the Population Toward Vaccines During the COVID‐19 Pandemic: The PROACTIVE Study
Notice bibliographique
Résumé
BACKGROUND: Vaccination is a vital strategy to prevent infectious diseases and reduce mortality globally. However, vaccine hesitancy threatens these efforts, especially highlighted during the COVID-19 pandemic. Understanding factors influencing vaccination decisions is crucial for improving public health strategies. OBJECTIVE(S): To investigate the attitudes of the Italian general population toward mandatory (e.g., HBV or tetanus) or recommended (e.g., influenza, HPV, or meningococcus) vaccinations, factors influencing vaccine uptake, and risk perceptions related to COVID-19. DESIGN: A cross-sectional descriptive study using the PROACTIVE Survey questionnaire. SAMPLE: The study included 411 participants aged 18-98 years from the general Italian population, recruited via convenience and snowball sampling in June 2022. MEASUREMENTS: Data included sociodemographic characteristics, adherence to vaccinations, COVID-19 experiences, preventive behaviors, and individual risk perceptions. Inferential statistics included Pearson's r correlation, t-test, and analysis of variance (ANOVA) to explore correlations and differences. RESULTS: Adherence to preventive measures positively correlated with risk perceptions (r = 0.358, p < 0.001). Females, older individuals, and those with chronic conditions showed higher adherence to preventive behaviors. Previous adherence to vaccines correlated with greater COVID-19 preventive behaviors (r = 0.124, p = 0.012). CONCLUSIONS: Age, gender, risk perceptions, and chronic conditions significantly influenced vaccination attitudes and preventive measures. These findings underscore the need for tailored public health strategies, especially in post-pandemic contexts, to address vaccine hesitancy and improve vaccination campaigns.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».