Portrait des francophones en situation minoritaire en matière de vaccination contre la COVID-19
Bibliographic record
Abstract
Contexte : La campagne vaccinale contre la maladie à coronavirus 2019 (COVID-19) a révélé la nécessité de mieux comprendre les besoins de différentes populations.Les francophones en situation minoritaire (FSM) ont plus difficilement accès à des soins de qualité en français, et cette problématique s'est accentuée pendant la pandémie de COVID-19.Objectif : Cette enquête visait à développer un portrait descriptif des besoins de santé des FSM en lien avec la campagne vaccinale de la COVID-19 en décrivant leur statut vaccinal, leurs attitudes et leurs croyances comparativement aux anglophones majoritaires.Méthodes : Une enquête a été menée avec les participants admissibles avec un échantillonnage de convenance.La mesure des données comprend une comparaison statistique descriptive utilisant une analyse de la variance, des régressions logistiques univariées et un test z à deux proportions.Résultats : Des 1 505 répondants (554 FSM vs 946 anglophones), les FSM ont un âge moyen de 51,4 ans et 89,2 % sont citoyens canadiens.La vaccination infantile était prépondérante chez les anglophones (74,2 % vs 86,3 %), incluant celle contre la COVID-19 (58,6 % vs 73,9 %).Une plus grande proportion de FSM s'est fait vacciner pour l'obtention du passeport vaccinal (39 % vs 29,3 %).Parmi les non-vaccinés, les FSM remettaient davantage en cause l'efficacité des vaccins (60 % vs 36,4 %).Les citoyens canadiens FSM ayant des études supérieures pouvaient être divisés par rapport au schéma vaccinal.Conclusion : Cette enquête a soulevé des différences entre les FSM et la majorité anglophone selon leurs perceptions de l'efficacité vaccinale, notamment la vaccination infantile, et une polarisation des attitudes/croyances des FSM selon certains facteurs sociodémographiques.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.003 | 0.001 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.004 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".