Impact of a Free Influenza Vaccination Policy on Older Adults in Zhejiang, China: Cross-Sectional Survey of Vaccination Willingness and Determinants
Notice bibliographique
Résumé
Background: In 2024, Zhejiang Province introduced a new policy offering free influenza vaccinations to individuals aged 60 years and older. However, the vaccination willingness among the newly eligible 60-69 years age group remains ambiguous in comparison to those aged 70 years and older. Objective: This study aimed to evaluate the willingness of individuals aged ≥60 years in Zhejiang Province, China, to receive free influenza vaccines under a newly implemented policy. It further explored their sources of influenza-related health information and identified key determinants of vaccination hesitancy across age subgroups. Methods: A cross-sectional survey was conducted using multistage convenience sampling via on-site questionnaires. Structured questionnaires were administered to 7162 eligible participants aged ≥60 years from March to May 2024. Valid responses (n=7103; response rate: 99.18%) were analyzed via logistic regression and Kruskal-Wallis tests. Results: Overall vaccination willingness was 73.15% (5196/7103), with 11.71% (832/7103) refusal and 15.14% (1075/7103) hesitancy. Key predictors of hesitancy included male gender (odds ratio [OR] 1.27, 95% CI 1.05-1.54), ages 60-69 years (OR 1.46, 95% CI 1.06-2.02), corporate employment (OR 0.75, 95% CI 0.58-0.98), and absence of chronic diseases (OR 2.06, 95% CI 1.44-2.96). The 60-69 year age group demonstrated lower awareness of the free policy (61.9% vs 73.72% in the ≥70 years group; H=61.25, P<.001) but higher engagement with social media (WeChat [Tencent Holdings Limited]: H=345.44; TikTok [ByteDance Ltd]: H=294.66; P<.001) for health information. Conclusions: Despite high willingness, knowledge gaps persist, particularly among adults aged 60-69 years. Targeted dissemination of policy information via social media platforms (eg, WeChat and TikTok) and community-driven campaigns is recommended to enhance vaccination uptake. This approach may serve as a model for regions implementing similar policies. Future studies should track actual vaccination uptake postpolicy and explore artificial intelligence-driven social media interventions to boost engagement.
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 | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 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 ».