Factors Associated with Vaccine Hesitancy Among Adults in Peshawar, Khyber Pakhtunkhwa, Pakistan: A Cross-Sectional Study
Notice bibliographique
Résumé
Objective: To assess socio-demographic attributes, healthcare workers' encouragement, and income status as predictors of vaccine hesitancy among adults in Peshawar, Pakistan. Methods: The study was a cross-sectional design employing an online survey to obtain data from participants from Peshawar, Pakistan. We used binary logistic regression to ascertain the extent of the association between vaccine hesitancy and independent predictors including age, gender, marital status, education, healthcare worker encouragement, and income level. We set the level of significance at p≤.05. Results: The study sample consisted of 398 participants with a mean age of approximately 48.05 years. The gender distribution was relatively balanced, with 205 males (51.5%) and 193 females (48.5%). Out of the total participants, 270 individuals (67.8%) accepted the vaccine, while 128 individuals (32.2%) declined it. Males were more likely to be vaccine hesitant than females (OR=2.42,95%CI:1.34-4.38). Healthcare worker encouragement reduced vaccine hesitancy (OR = 0.11, 95% CI: 0.06-0.20). Individuals aged 46-60 showed higher vaccine hesitancy compared to those aged 18-30 (OR = 3.55, 95% CI: 1.44-8.73). Low-income earners were more likely to be vaccine-hesitant than higher-income earners (OR = 5.34, 95% CI: 2.07-13.80). Marital status and education level were not significantly associated with vaccine hesitancy. Conclusion: The study highlights the complex interplay of factors influencing vaccine hesitancy in Peshawar, Pakistan. Gender, age, income level, and healthcare worker encouragement significantly influence vaccine acceptance. These findings call for targeted interventions to tackle vaccine hesitancy pragmatically and promote vaccine uptake in the Peshawar region of Pakistan. ---------- Objectif : Évaluer les caractéristiques sociodémographiques, l’encouragement des professionnels de santé et le niveau de revenu comme prédicteurs de l’hésitation vaccinale chez les adultes à Peshawar, au Pakistan. Méthodes : L’étude était une étude transversale utilisant un sondage en ligne pour obtenir des données auprès de participants de Peshawar, au Pakistan. Nous avons utilisé une régression logistique binaire pour déterminer le degré d’association entre l’hésitation vaccinale et des prédicteurs indépendants, notamment l’âge, le sexe, l’état civil, le niveau d’éducation, l’encouragement des professionnels de santé et le niveau de revenu. Nous avons fixé le niveau de signification à p ≤ 0,05. Résultats : L’échantillon de l’étude était composé de 398 participants dont l’âge moyen était d’environ 48,05 ans. La répartition par sexe était relativement équilibrée, avec 205 hommes (51,5 %) et 193 femmes (48,5 %). Sur l’ensemble des participants, 270 personnes (67,8 %) ont accepté le vaccin, tandis que 128 personnes (32,2 %) l’ont refusé. Les hommes étaient plus susceptibles d’hésiter à se faire vacciner que les femmes (OR = 2,42, IC à 95 % : 1,34-4,38). Les encouragements des professionnels de santé ont réduit l’hésitation vaccinale (OR = 0,11, IC à 95 % : 0,06-0,20). Les personnes âgées de 46 à 60 ans ont montré une plus grande hésitation vaccinale que celles âgées de 18 à 30 ans (OR = 3,55, IC à 95 % : 1,44-8,73). Les personnes à faibles revenus étaient plus susceptibles d’hésiter à se faire vacciner que celles à revenus élevés (OR = 5,34, IC à 95 % : 2,07-13,80). La situation matrimoniale et le niveau d’éducation n’étaient pas associés de manière significative à l’hésitation vaccinale. Conclusion : Cette étude met en évidence l’interaction complexe des facteurs influençant l’hésitation vaccinale à Peshawar, au Pakistan. Le sexe, l’âge, le niveau de revenu et les encouragements des professionnels de santé influencent de manière significative l’acceptation de la vaccination. Ces résultats appellent à des interventions ciblées pour lutter de manière pragmatique contre l’hésitation vaccinale et promouvoir la couverture vaccinale dans la région de Peshawar au Pakistan.
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 | 0,000 | 0,001 |
| 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 | 0,001 | 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) | 0,001 | 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 ».