Factors Associated With COVID-19 Vaccine Acceptance Among Patients Receiving Care at a Federally Qualified Health Center
Notice bibliographique
Résumé
Background:COVID-19 vaccine hesitancy in the United States is high, with at least 63 million unvaccinated individuals to date. Socioeconomically disadvantaged populations experience lower COVID-19 vaccination rates despite facing a disproportionate COVID-19 burden.Objective:To assess the factors associated with COVID-19 vaccine acceptance among under-resourced, adult patients.Methods:Participants were patients receiving care at a Federally Qualified Health Center (FQHC) in St. Paul, Minnesota. Data were collected via multiple modes over 2 phases in 2020 (self-administered electronic survey) and 2021 (study team-administered survey by telephone, self-administered written survey) to promote diversity and inclusion for study participation. The primary outcome was COVID-19 vaccine acceptance. Using logistic regression analysis, associations between vaccine acceptance and factors including risk perception, concerns about the COVID-19 vaccine, social determinants of health (SDOH), co-morbidities, pandemic-induced hardships, and stress were assessed by adjusted odds ratios (AORs) and 95% confidence intervals (CI).Results:One hundred sixty-eight patients (62.5% female; mean age [SD]: 49.9 [17.4] years; 32% <$20 000 annual household income; 69% P < .001), while concerns about the vaccine (eg, safety, side effects, rapid development of the vaccine, etc.) were negatively associated with vaccine acceptance (all P < .001). SDOH, co-morbidities, pandemic-induced hardships were not associated with vaccine acceptance.Conclusions:Our study in a socioeconomically disadvantaged population suggests that risk perception is associated with an increased likelihood of vaccine acceptance, while concerns about the COVID-19 vaccine are associated with a lower likelihood of vaccine acceptance. As these factors could impact vaccine uptake, consistent, innovative, and context-specific risk communication strategies may improve vaccine coverage in this population.
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 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| 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 ».