Acceptability of patient-centered digital vaccine safety monitoring: A Canadian Immunization Research Network study
Notice bibliographique
Résumé
This study examined the willingness of Canadians to use patient-centered digital reporting solutions for adverse events following immunization (AEFI) reporting. We identified the preferred medium for reporting, and any privacy and confidentiality concerns among prospective users. A geographically diverse panel of 2,036 Canadian adults 18 y of age and older was surveyed online in September 2024. Descriptive statistics and a multivariable regression model were used to identify factors associated with a willingness to report AEFI. Among respondents 85% (n = 1724) indicated a willingness to report AEFI, and most (n = 1137, 56%) preferred to report AEFI only when they occurred as opposed to answering survey on a regular basis for a short duration after vaccination (n = 458, 22%). The largest proportion of respondents (n = 911, 45%) indicated a preference to use an online fillable form through a secure government website to report AEFI. Living with a disability, age over 24 y and having a great deal of confidence in scientists were all significantly associated with a willingness to report, while having a great deal of trust in pharmaceutical companies was inversely associated. Our results emphasize the importance of considering convenience, privacy and confidentiality, and trust in public institutions when developing patient-centered digital reporting systems for AEFI. Future research should explore income and ethnic disparities in willingness to report AEFI and the effect of tailoring reporting systems to public concerns on willingness to report.
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 | 0,006 | 0,021 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,005 |
| Études des sciences et des technologies | 0,005 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».