Synthèse des données probantes sur les facilitateurs, les obstacles et les hésitations concernant les doses de rappel contre la COVID-19 au Canada
Bibliographic record
Abstract
Contexte : Il est important de comprendre les facilitateurs, les obstacles et les hésitations concernant les doses de rappel contre la COVID-19 pour encourager l'adoption de la vaccination recommandée.Cette synthèse des données probantes résume la littérature sur l'intention d'accepter ou de rejeter les doses de rappel du vaccin contre la COVID-19 et les facteurs associés à l'intention ou à l'adoption chez les individus au Canada.Méthodes : Une base de données de la littérature sur la COVID-19 établie par l'Agence de la santé publique du Canada a été consultée pour trouver des articles faisant référence à la vaccination et aux connaissances, attitudes et comportements à l'égard des doses de rappels pour la COVID-19.Une recherche de la littérature grise dans les institutions gouvernementales et universitaires canadiennes a également été effectuée.Les recherches primaires menées au Canada (n = 21) et les examens systématiques pertinents de la littérature mondiale (n = 8) ont été inclus dans cette synthèse.Résultats : Les intentions de recevoir une dose de rappel dans la population générale ont diminué entre 2021 et 2023, variant d'une sous-population à l'autre.Au Canada et dans les examens systématiques mondiaux, les facilitateurs, les obstacles et les hésitations étaient semblables.L'âge avancé était le facteur le plus souvent associé positivement à l'intention ou à l'adoption d'une dose de rappel, et les motivations les plus courantes étaient les recommandations du gouvernement ou du professionnel de la santé et le fait de protéger les autres.Les principales raisons de l'hésitation sont la crainte des effets secondaires du vaccin et le manque de confiance dans l'efficacité potentielle du vaccin.Conclusion : Les intentions de recevoir une dose de rappel ont diminué au Canada.Comprendre les raisons de l'hésitation vaccinale et les motivations pour obtenir une dose de rappel peut aider à orienter les futurs programmes de vaccination contre la COVID-19 en santé publique.
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 | 0.030 | 0.130 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.002 | 0.003 |
| Bibliometrics | 0.010 | 0.015 |
| Science and technology studies | 0.003 | 0.002 |
| Scholarly communication | 0.006 | 0.003 |
| Open science | 0.002 | 0.002 |
| Research integrity | 0.001 | 0.003 |
| Insufficient payload (model declined to judge) | 0.018 | 0.001 |
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".