Data Synthesis: COVID-19 Vaccine Perceptions in Africa: Social and Behavioural Science Data, March 2020-March 2021 || Synthèse de données : Perceptions de la vaccination contre la covid-19 en Afrique : données des sciences sociales et comportementales, mars 2020 - mars 2021
Notice bibliographique
Résumé
Safe and effective vaccines against COVID-19 are seen as a critical path to ending the pandemic. This synthesis brings together data related to public perceptions about COVID-19 vaccines collected between March 2020 and March 2021 in 22 countries in Africa. It provides an overview of the data (primarily from cross-sectional perception surveys), identifies knowledge and research gaps and presents some limitations of translating the available evidence to inform local operational decisions. The synthesis is intended for those designing and delivering vaccination programmes and COVID-19 risk communication and community engagement (RCCE). 5 large-scale surveys are included with over 12 million respondents in 22 central, eastern, western and southern African countries (note: one major study accounts for more than 10 million participants); data from 14 peer-reviewed questionnaire surveys in 8 countries with n=9,600 participants and 15 social media monitoring, qualitative and community feedback studies. Sample sizes are provided in the first reference for each study and in Table 13 at the end of this document. The data largely predates vaccination campaigns that generally started in the first quarter of 2021. Perceptions will change and further syntheses, that represent the whole continent including North Africa, are planned. This review is part of the Social Science in Humanitarian Action Platform (SSHAP) series on COVID-19 vaccines. It was developed for SSHAP by Anthrologica. It was written by Kevin Bardosh (University of Washington), Tamara Roldan de Jong and Olivia Tulloch (Anthrologica), it was reviewed by colleagues from PERC, LSHTM, IRD, and UNICEF (see acknowledgments) and received coordination support from the RCCE Collective Service. It is the responsibility of SSHAP. Des vaccins sûrs et efficaces contre la COVID-19 sont perçus comme une voie critique pour mettre fin à la pandémie.1 Cette synthèse rassemble des données inhérentes aux perceptions du public au sujet des vaccins contre la COVID-19 recueillies entre mars 2020 et mars 2021 dans 22 pays d’Afrique. Elle fournit un aperçu des données (issues principalement d’enquêtes d’opinion transversales), identifie les lacunes en matière de connaissances et de recherche et présente certaines limites à l’application des données probantes disponibles pour éclairer les décisions opérationnelles locales. La synthèse est destinée aux personnes qui conçoivent et mettent en œuvre des programmes de vaccination, ainsi que des stratégies en matière de communication des risques et d’engagement communautaire (CREC) liées à la COVID-19
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,093 | 0,389 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,003 |
| Méta-épidémiologie (sens large) | 0,007 | 0,011 |
| Bibliométrie | 0,025 | 0,027 |
| Études des sciences et des technologies | 0,002 | 0,003 |
| Communication savante | 0,009 | 0,009 |
| Science ouverte | 0,005 | 0,009 |
| Intégrité de la recherche | 0,006 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,064 | 0,007 |
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 source (Gemma direct ou Codex distillé), 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 ».