Understanding COVID-19 Vaccine Hesitancy in Black, East Asian, and Eastern European Diasporic Communities in Toronto: A Scoping Review
Notice bibliographique
Résumé
Canada achieved COVID-19 vaccination coverage of 83.2% in the total population (at least one dose). However, only 49.6% of Canadians completed the primary series plus one booster (which defines one as fully vaccinated). Inconsistent uptake of COVID-19 vaccines impeded pandemic response and led to increased demands in a stretched health care system. To advance pandemic preparedness, a critical understanding of vaccine access and hesitancy is needed. We undertook a scoping review to identify the primary reasons for vaccine hesitancy in Toronto's East Asian, Black, and Eastern European diaspora. A total of 5548 articles were retrieved from PubMed, OVID, JSTOR, ERIC and 27 and 43 from Google Scholar and Google respectively. De-duplication left us with 42 relevant sources for data extraction, including 19 news articles, 9 commentaries, 11 pieces of grey literature and 3 peer reviewed articles that were not identified via academic databases. Our review results revealed four factors for COVID-19 vaccine hesitancy among East Asian, Black, and Eastern European diasporas in Toronto: ( a ) access barriers; ( b ) mistrust; ( c ) racism; and ( d ) misinformation. These factors can create conditions of re-racialization by stereotyping entire ethnoracial groups or convincing members of these groups to become vaccine skeptics.
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 | 0,007 | 0,029 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,002 |
| Bibliométrie | 0,009 | 0,013 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,002 | 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 ».