Vaccines for COVID-19 are anticipated to be available by 2021. Vaccine uptake rate is a crucial determinant for herd immunity. We examined factors associated with acceptance of vaccine based on (1). constructs of the Health Belief Model (HBM), (2). trust in the healthcare system, new vaccine platforms and manufacturers, and (3). self-reported health outcomes. A population-based, random telephone survey was performed during the peak of the third wave of COVID-19 outbreak (27/07/2020 to 27/08/2020) in Hong Kong. All adults aged ≥ 18 years were eligible. The survey included sociodemographic details; self-report health conditions; trust scales; and self-reported health outcomes. Multivariable regression analyses were applied to examine independent associations. The primary outcome is the acceptance of the COVID-19 vaccine. We conducted 1200 successful telephone interviews (response rate 55%). The overall vaccine acceptance rate after adjustment for population distribution was 37.2% (95% C.I. 34.5–39.9%). The projected acceptance rates exhibited a "J-shaped" pattern with age, with higher rates among young adults (18–24 years), then increased linearly with age. Multivariable regression analyses revealed that perceived severity, perceived benefits of the vaccine, cues to action, self-reported health outcomes, and trust in healthcare system or vaccine manufacturers were positive correlates of acceptance; whilst perceived access barriers and harm were negative correlates. Remarkably, perceived susceptibility to infection carried no significant association, whereas recommendation from Government (aOR = 10.2, 95% C.I. 6.54 to 15.9, p < 0.001) was as the strongest driving factor for acceptance. Other key obstacles of acceptance included lack of confidence on newer vaccine platforms (43.4%) and manufacturers without track record (52.2%), which are of particular relevance to the current context. Governmental recommendation is an important driver, whereas perceived susceptibility is not associated with acceptance of COVID-19 vaccine. These HBM constructs and independent predictors inform evidence-based formulation and implementation of vaccination strategies.

Maintaining health of healthcare workers with vaccination is a major component of pandemic preparedness and acceptance of vaccinations is essential to its success. This study aimed to examine impact of the coronavirus disease 2019 (COVID-19) pandemic on change of influenza vaccination acceptance and identify factors associated with acceptance of potential COVID-19 vaccination.A cross-sectional self-administered anonymous questionnaire survey was conducted among nurses in Hong Kong, China during 26 February and 31 March 2020. Their previous acceptance of influenza vaccination and intentions to accept influenza and COVID-19 vaccination were collected. Their relationship with work-related and other factors were examined using multiple multinomial logistic regressions.Responses from 806 participants were retrieved. More nurses changed from vaccination refusal to hesitancy or acceptance than those changed from acceptance to vaccination hesitancy or refusal (15.5% vs 6.8% among all participants, P < 0.001). 40.0% participants intended to accept COVID-19 vaccination, and those in private sector (OR: 1.67, 95%CI: 1.11-2.51), with chronic conditions (OR: 1.83, 95%CI: 1.22-2.77), encountering with suspected or confirmed COVID-19 patients (OR: 1.63, 95%CI: 1.14-2.33), accepted influenza vaccination in 2019 (OR: 2.03, 95%CI: 1.47-2.81) had higher intentions to accept it. Reasons for refusal and hesitation for COVID-19 vaccination included "suspicion on efficacy, effectiveness and safety", "believing it unnecessary", and "no time to take it".With a low level of COVID-19 acceptance intentions and high proportion of hesitation in both influenza and COVID-19 vaccination, evidence-based planning are needed to improve the uptake of both vaccinations in advance of their implementation. Future studies are needed to explore reasons of change of influenza vaccination acceptance, look for actual behaviour patterns of COVID-19 vaccination acceptance and examine effectiveness of promotion strategies.

Importance Multidisciplinary disease management efforts enable the improvement in lung function among patients with chronic obstructive pulmonary disease (COPD), but there is little evidence of its association with risks of adverse health outcomes and health care service use. Objective To examine the association between the use of a nurse- and allied health–led primary care clinic for respiratory patients, namely the Nurse and Allied Health Clinic–Respiratory Care (NAHC-Respiratory), and their risks of mortality and morbidity and health care service use. Design, Setting, and Participants This territory-wide, population-based, propensity-matched, retrospective cohort study used data from the electronic health records of all patients who used public health care services in Hong Kong, China, from January 1, 2010, to December 31, 2019. All patients with COPD treated in public outpatient clinics between January 1, 2010, and December 31, 2014, were included. Patients who attended NAHC-Respiratory and usual care only were propensity score–matched at a 1:2 ratio. Data analyses were conducted between August 2023 and April 2024. Exposure Attendance at NAHC-Respiratory. Main Outcomes and Measures All-cause and cause-specific mortality, incidence of COPD complications, and use of emergency department and inpatient services until the end of 2019 were compared between the NAHC-Respiratory and usual care participants using Cox proportional hazard regression, Poisson regression, and log-link gamma regression models after matching. Results This study included 9048 eligible patients after matching, including 3093 in the exposure group (2814 [91.0%] men; mean [SD] age, 69.8 [9.5] years) and 5955 in the reference group (5431 [91.2%] men; mean [SD] age, 69.5 [11.7] years). Compared with patients in the usual care–only group (reference), patients in the exposure group had lower risks of all-cause mortality (hazard ratio [HR], 0.84; 95% CI, 0.78-0.90) as well as pneumonia-caused (HR, 0.85; 95% CI, 0.74-0.97), respiratory-caused (HR, 0.86; 95% CI, 0.77-0.96), and cardiovascular-caused (HR, 0.74; 95% CI, 0.59-0.93) mortality. Exposure was associated with reduced rates of emergency department visits (incidence rate ratio [IRR], 0.92; 95% CI, 0.86-0.98) and hospitalization through emergency department (IRR, 0.89; 95% CI, 0.83-0.95). Conclusions In this cohort study, the use of a nurse- and allied health–led clinic in primary care settings was associated with reduced risks of mortality and use of hospital services among patients with COPD. These findings emphasize the important role of health care workers other than physicians in disease management in the primary care setting. The NAHC-Respiratory model and service components can be used to help improve primary care programs to benefit more patients with COPD.

p.p1 {margin: 0.0px 0.0px 0.0px 0.0px; font: 10.0px Helvetica} Tensor factorization has emerged as a powerful method to address the challenges of high dimensionality regarding disease development and comorbidity. Chronic diseases have a high likelihood to co-occur, making patients suffering from one chronic disease to have an elevated risk for the other diseases in the course of aging. Individualized prediction of chronic diseases can help patients prevent new diseases and reduce the healthcare costs. Despite rich results of risk assessment models for chronic diseases, individualized risk prediction considering the complex mechanisms of disease development and comorbidity remains to be under-researched. This research aims to develop tensor factorization-based machine learning models to predict the onset of new chronic diseases for individual patients through incorporating the comorbidity patterns with the clinical and sequential factors revealed in the electronic health records (EHR) data. We propose two tensor factorization-based methods to incorporate the clinical and sequential factors to reveal the latent patterns of co-occurring chronic diseases. The efficacy of the proposed methods was validated through predicting the onset of new chronic diseases for individual patients using the EHR data for 23 years from a major hospital in Hong Kong. The proposed methods consistently outperform benchmark predictive models. The top 10 predictions of new chronic diseases have approximately 60% recall. Tensor factorization is an appropriate method for predicting the onset of chronic diseases at the individual level. The proposed predictive models could inform proactive health management programs for at-risk patients with different chronic conditions at discharge.

South Asians have become a sizable ethnic minority in Hong Kong with unique health and social needs often being overlooked. Elevated obesity risk among South Asians has been highlighted in high-income Western settings; however, relevant local evidence is scarce. This cross-sectional study aims to explore the obesity prevalence and related risk factors among South Asians in Hong Kong. Between June 2022 and February 2023, 535 South Asian adults were recruited via territory-wide health outreach services, and completed a survey and anthropometric measurements on height, weight, and waist circumference. In our female-dominated sample (84.1% female; mean age = 41.0 ± 12.3 years), the observed prevalence of general obesity (body mass index [BMI] ≥ 27.5 kg/m 2 for South Asians) and abdominal obesity (waist-to-height ratio [WHtR] > 50%) were 60.2% and 89.4%, respectively. Results from multivariable linear regressions showed that mean BMI and WHtR were significantly higher among women and Pakistani individuals (and Nepalese individuals for BMI only) but lower among better educated and employed respondents. Apart from age, household size, and marital status as common risk factors, having a healthier diet and higher physical activity level were also associated with lower WHtR. Notably, the associations of female gender and Pakistani ethnicity were attenuated after adjustments for socioeconomic and lifestyle factors. In conclusion, there was a high prevalence of obesity in South Asian participants in this study. The identified risk and protective factors could inform targeted services and community-based weight management programs to mitigate obesity and its associated cardiometabolic risks in this fast-growing but vulnerable community.