Acceptance of COVID-19 Vaccine and Associated Knowledge, Attitude, Practice (KAP) and Socio-demographic Factors among Resident Doctors
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Background: Despite the global emphasis on the prevention of COVID-19 and other communicable diseases through vaccination, there are still reports of vaccine hesitancy even among healthcare workers. This study provides useful insights on the underlying causes of vaccine hesitancy to guide the development of strategies likely to reduce vaccine hesitancy and strengthen the control of vaccine-preventable infections in a developing country like Nigeria. To evaluate the acceptance of COVID-19 vaccine and the associated KAP and socio-demographic factors among resident doctors at The University of Port Harcourt Teaching Hospital (UPTH) in order to provide information necessary for vaccine enlightenment programmes and for policymakers focused on controlling vaccine-preventable pandemics. Method: A cross-sectional survey of resident doctors at the UPTH was done. A validated self-administered online questionnaire was used to collect the data on the acceptance and KAP of COVID-19 vaccine. Multinomial logistic regression was used to assess the strength of association of socio-demographic variables and KAP with the acceptance of COVID-19 vaccine. Result: The study found a high acceptance rate of 79.7% for the COVID-19 vaccine. Notably, there was a significant link between accepting the vaccine and having a positive attitude towards it (p = 0.0001) and also engaging in good practices (p = 0.001). However, there wasn't a clear connection between vaccine acceptance and having a good knowledge about it (p = 0.606). After adjusting for confounding variables, young adults aged 25 – 30 years showed the strongest relationship to vaccine acceptance when compared to older age groups (AOR= 8.74). Conclusion: The acceptance of COVID-19 vaccine among resident doctors (79.7%) was significantly associated with younger age, good attitude, and good practice.
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.
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 | 0,002 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,004 |
| 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 découle