Table1_Prevalence of COVID-19 Vaccine Hesitancy Among Healthcare Workers in Nigeria: A Systematic Review and Meta-Analysis.pdf
Notice bibliographique
Résumé
Objective The purpose of this systematic review and meta-analysis was to determine the prevalence of COVID-19 vaccine hesitancy among Nigerian healthcare professionals. Methods An extensive language-unrestricted literature search was conducted across PubMed, Scopus, the Cochrane Library, and the African Index Medicus to identify studies reporting hesitancy to COVID-19 vaccines among healthcare workers in Nigeria. Quality assessment was performed using the Newcastle-Ottawa scale for cross-sectional studies. A single-arm meta-analysis was performed using a random-effects model. Results Of the 206 articles, 22 publications with 20,724 participants were included. The pooled prevalence of COVID-19 vaccine hesitancy was 75% (95% CI: 61%–88%, I<sup>2</sup> = 99.69%, P < 0.001). Reasons for hesitancy, including concerns about side effects, lack of trust, and safety, were prevalent at 76% (CI: 0.57–0.94, I<sup>2</sup> = 99.24%, P < 0.001), 55% (CI: 0.042–0.272, I<sup>2</sup> = 97.42%, P < 0.001), and 68% (CI: 0.047–0.89, I<sup>2</sup> = 98.59%, P < 0.001), respectively. Conclusion There was significant hesitancy among Nigerian healthcare workers towards COVID-19 vaccination; thus, strategies to increase vaccination acceptance among healthcare workers should be developed.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,517 | 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 ».