Determinants of Poor Utilization and Accessibility of Immunization Services: A Qualitative Study in Selected Counties in South Sudan
Notice bibliographique
Résumé
BACKGROUND: Reducing vaccine-preventable diseases mortality and morbidity in non-industrialized countries requires the enforcement of robust immunization strategies aimed at increasing coverage and reducing dropouts and missed immunization opportunities. Attaining high (>80%) immunization coverage with a low drop-out rate in South Sudan has been challenging because of the program’s high defaulting rates. This study aimed to determine the reasons for poor accessibility and utilization of immunization services in counties earmarked for Fragility, Emergency and Refugees (FER) in South Sudan. METHODS: A descriptive phenomenological study design was conducted across four counties of Northern Bahr El Ghazal, South Sudan, between May 2019 and December 2020 in which 42 focused group discussions and key-informant interviews involving the community and primary healthcare centers and units were conducted. Relevant EPI (Expanded program on immunization) tools were reviewed and data were analyzed using thematic analysis. RESULTS: The main reasons identified were negative attitudes towards healthcare workers and immunization services, competing priorities of the caregivers, delayed opening of the immunization sessions, insufficient cold chain facilities, inadequate knowledge and information about immunization services, and non-availability of vaccines at the health facility. CONCLUSIONS: A plan to supply adequate vaccines and related supplies to the counties by identifying stock levels in time must be a priority. Health facility micro-plan development and implementation should be supported by increased funding for the implementation of outreach and mobile sessions to reach missed children, intensified door-to-door health awareness, and regular community meetings to increase vaccine uptake.
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 | 0,004 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,009 | 0,004 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
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 ».