Effects of the COVID-19 Vaccine Mandate on Healthcare Workers’ Decisions to Refuse Vaccination and Quit Their Jobs from Canadian Hospitals
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
COVID-19 vaccine uptake and compliance implementation challenges exist among some Canadian healthcare workers (HCWs), including hospital administrators, despite free vaccination as a preventive measure to control the spread. Earlier studies have examined COVID-19 vaccine hesitancy and refusal among Canadian HCWs, but not how the -19 vaccine and vaccine mandates may have influenced their decisions to refuse vaccination and quit their jobs. This qualitative phenomenological study involved exploring how Canadian hospital HCWs’ lived experiences with the COVID-19 vaccine and vaccine mandates affected their decisions to refuse COVID-19 vaccination and quit their jobs. The theory of reasoned action was used to guide interview questions to understand this topic. I recruited for Zoom interviews using both the online crowdsourcing Amazon Mechanical Turk (Mturk) platform and snowball sampling. All participants were Canadian HCWs who worked in a hospital with a COVID-19 vaccine mandate policy, between 20 and 60 years, possessed a Mturk verification ID, refused the COVID-19 vaccination, and quit their job due to vaccine mandate policies. Transcribed interviews were coded and analyzed using Quirkos thematic analysis with the following themes: safety, skepticism towards vaccine efficacy, newness of the vaccine, strain variability, public image, uncertainty, autonomy, and personal beliefs against mandated health interventions. These findings may help address ethical dimensions that are involved in mandatory vaccination policies and the importance of respecting individual autonomy and personal medical choices.
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 | 0,000 | 0,000 |
| 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 | 0,001 | 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 découle