Intention to receive a COVID-19 vaccine: results from a population-based survey in Canada
Notice bibliographique
Résumé
Abstract Background The success of any COVID-19 vaccine program ultimately depends on high vaccine uptake. This study determined overall intention to receive a COVID-19 vaccine and identified factors that predict intentions to be vaccinated against COVID-19 in Canada, specifically in key priority groups identified by the American Committee on Immunization Practice (ACIP) and the National Advisory Committee on Immunization (NACI) for early immunization. Methods Individuals from research cohorts from the general population of British Columbia aged 25–69 were invited complete an online survey based on validated scales and theoretical frameworks to explore intention to receive a COVID-19 vaccine. Two multivariable logistic regression models were conducted to determine factors associated with intention to receive the COVID-19 vaccine. Results Of 4948 respondents, 79.8% intended to receive a COVID-19 vaccine. In multivariable modeling, respondents who intended to receive the vaccine had higher vaccine attitudinal scores (p 60 years) were more likely to intend to receive the vaccine, while females (95%CI 0.57,0.93), those with less than high school education (95%CI 0.5,0.76), those who self-identified as non-white (95%CI 0.60,0.92), self-identified as Indigenous (95%CI 0.36,0.84) and essential non-health care workers (95%CI 0.59,0.86) had lower adjusted odds of intending to receive a COVID-19 vaccine. Conclusions To optimize vaccine coverage, public health should focus on key messages around vaccine safety and benefit, and leverage trusted practitioners for messaging. As certain key populations identified by NACI and ACIP for early immunization report a lower intention to vaccinate, there is a need for in-depth education and support for these communities to ensure optimal uptake.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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) | 0,598 | 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 ».