Knowledge, attitudes and perceptions towards COVID-19 vaccinations: a cross-sectional community survey in Bangladesh
Notice bibliographique
Résumé
Several vaccines have been approved for use against coronavirus disease (COVID-19) and distributed globally in different regions. However, general community knowledge, attitudes and perceptions towards COVID-19 vaccinations are poorly understood. Thus, the study aimed to investigate community knowledge, attitudes and perceptions towards COVID-19 vaccinations in Bangladesh. Methods: An exploratory and anonymous population-based e-survey was conducted among 1658 general individuals (55.6% male; mean age = 23.17 ± 6.05 years; age range = 18–65 years). The survey was conducted using a semi-structured and self-reported questionnaire containing informed consent along with four sections (i.e., socio-demographics, knowledge, attitudes, and perceptions). Multiple linear regression was performed to determine the variables predicting knowledge, and attitudes towards COVID-19 vaccinations. Results: The mean scores of knowledge and attitudes were 2.83 ± 1.48 (out of 5) and 9.34 ± 2.39 (out of 12) respectively. About a quarter of participants thought that the COVID-19 vaccination available in Bangladesh is safe, only 60% will have the vaccination and about two-thirds will recommend it to family and friends. In the multiple regression model, higher SES, having university/ higher levels of education, having nuclear families and having previous history of essential vaccines uptake were associated with knowledge; whilst attitudes were significantly associated with being female and having previous history of essential vaccines uptake. Just over half of the participants thought that everyone should be vaccinated and 61% responded that health workers should be vaccinated first on priority basis. 95% of respondents believed the vaccine should be administered free of charge in Bangladesh and almost 90% believed that the COVID-19 vaccine used in Bangladesh may have side effects. Conclusions: The findings reflect inadequate knowledge but more positive attitudes towards COVID-19 vaccine among the general population in Bangladesh. In order to improve knowledge, immediate health education programs need to be initiated before mass vaccination are scheduled.
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 | 0,001 | 0,001 |
| 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 | 0,000 | 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) | 0,000 | 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 ».