Background: Faced with the coronavirus disease 2019 (COVID-19) pandemic, the development of COVID-19 vaccines has been progressing at an unprecedented rate. This study aimed to evaluate the acceptance of COVID-19 vaccination in China and give suggestions for vaccination strategies and immunization programs accordingly. Methods: In March 2020, an anonymous cross-sectional survey was conducted online among Chinese adults. The questionnaire collected socio-demographic characteristics, risk perception, the impact of COVID-19, attitudes, acceptance and attribute preferences of vaccines against COVID-19 during the pandemic. Multivariate logistic regression was performed to identify the influencing factors of vaccination acceptance. Results: Of the 2058 participants surveyed, 1879 (91.3%) stated that they would accept COVID-19 vaccination after the vaccine becomes available, among whom 980 (52.2%) wanted to get vaccinated as soon as possible, while others (47.8%) would delay the vaccination until the vaccine’s safety was confirmed. Participants preferred a routine immunization schedule (49.4%) to emergency vaccination (9.0%) or either of them (41.6%). Logistic regression showed that being male, being married, perceiving a high risk of infection, being vaccinated against influenza in the past season, believing in the efficacy of COVID-19 vaccination or valuing doctor’s recommendations could increase the probability of accepting COVID-19 vaccination as soon as possible, while having confirmed or suspected cases in local areas, valuing vaccination convenience or vaccine price in decision-making could hinder participants from immediate vaccination. Conclusion: During the pandemic period, a strong demand for and high acceptance of COVID-19 vaccination has been shown among the Chinese population, while concerns about vaccine safety may hinder the promotion of vaccine uptake. To expand vaccination coverage, immunization programs should be designed to remove barriers in terms of vaccine price and vaccination convenience, and health education and communication from authoritative sources are important ways to alleviate public concerns about vaccine safety.

Chlorinated paraffins (CPs) are chlorinated alkane mixtures widely used as flame retardants and plasticizers in multiple industrial products. Systematic research on how homolog-specific properties affect their atmospheric behaviors is limited. Herein, we investigated the levels of short-chain CPs (SCCPs) and medium-chain CPs (MCCPs) in long-timescale, seasonal, and size-fractioned particles in the urban area of Dalian, a coastal city in northern China. The average SCCP and MCCP concentrations in particles with diameters ≤ 10 µm were 3.36 and 4.89 ng/m

Recommender systems are essential in the ever-evolving landscape of e-commerce and social media platforms, delivering personalized recommendations by predicting user preferences. However, the growing need for explainable recommendation has arisen to enhance transparency and persuasiveness. In response, we present correlation-driven explainable recommendation with aspect and rating boosted representation learning (CER-ARRL), a unified joint-ranking framework that capitalizes on the robust capabilities of neural collaborative filtering to model the intricate dynamics among users, items, and explanations. By extracting information from explicit and implicit user emotional reviews, our framework enriches the representations of users and items. This integration yields simultaneous improvements in both item recommendation and explanation ranking tasks. In addition, CER-ARRL effectively exploits the structural correlation between phrases as well as the structural and semantic correlations between emojis to facilitate explanation ranking. This work represents the pioneering work to address the item-explanation joint recommendation task by integrating both interpretative phrases and illustrative emojis. Through extensive experiments on various datasets, including our collected dataset, we demonstrate the superiority of the proposed method over existing baselines.