Factors associated with COVID-19 vaccine confidence among Arab, Asian, Black, Indigenous, and White individuals in Canada: Latent profile analyses
Notice bibliographique
Résumé
BACKGROUND: Stark disparities in COVID-19 infection, mortality and vaccine uptake have been observed between racial groups. However, differences in COVID-19 vaccine confidence between racialized groups and contextual factors that account for such differences have not been explored. We sought to determine socioeconomic profiles associated with COVID-19 vaccine confidence using both conventional and latent profile analyses (LPA). METHODS: A representative sample of 4220 Arab, Asian, Black, Indigenous, Mixed and White adults completed a survey conducted to examine COVID-19 vaccine confidence. We determined vaccine confidence by racial groups, and analyzed factors associated with vaccination confidence between different racialized groups. Regression analysis and LPA were used to determine profiles of vaccine confidence by race. RESULTS: Arab, Black, Indigenous and Mixed group respondents had lower vaccine confidence compared to White individuals, while Asian respondents had higher vaccine confidence compared to other racial groups. Vaccine confidence varied by age, gender, conspiracy beliefs, health literacy and experiences of racial discrimination. LPA produced Profile 1 with high vaccine confidence and health literacy, with low experience of discrimination and conspiracy beliefs; Profile 2 had low vaccine confidence and health literacy, with greatest experiences of discrimination and conspiracy beliefs. Compared to White respondents, Arab (odds ratio = 2.86;95 % CI 2.33-3.52), Indigenous (odds ratio = 2.29; 95 % CI, 1.88-2.78), and Black (odds ratio = 2.19; 95 % CI 1.80-2.66) respondents were more likely to belong to Profile 2. CONCLUSIONS: Vaccine confidence profiles for COVID-19 converge at the intersection of health literacy, experience of discrimination and conspiracy beliefs. COVID-19 vaccine confidence is heterogenous between racialized communities, with lowest confidence among Arab, Black and Indigenous individuals and highest confidence among Asian individuals. Understanding the source of this heterogeneity is crucial to design public health approaches that equitably ensure vaccine coverage among populations at highest risk of COVID-19 and its complications.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».