Unveiling Women’s Experiences Amidst the COVID-19 Pandemic in Nigeria: An Interpretive phenomenological analysis
Notice bibliographique
Résumé
Abstract Background The past three years have seen an increasing gap in health inequalities in Nigeria’s health systems, with many women having trouble accessing health care due to persistent social determinants of health. Studies indicate that the amplified impact of the pandemic is due to the lack of contextual focus on response plans. This study used an interpretive phenomenological analysis to analyze women’s experiences with healthcare as the pandemic progressed in Nigeria. Methods Semi-structured interviews were conducted between August to November 2022. It was supplemented with three focus group discussions with mothers. The mothers were purposively recruited for their experiences with health care during the pandemic. The analysis of the interviews followed the interpretive phenomenological analysis approach. Results Twenty-four women aged 15 to 49 years with children between 0 and 5 years participated in this study. These women reported mixed experiences during the pandemic, with many attributing positive health behaviours to the pandemic. Following analysis, four themes emerged: i) Influence of diversity of Healthcare Practices and Beliefs on health-seeking behaviour; ii) Unpacking Systemic Barriers to Seeking Timely and Appropriate Health Care Services; iii) Women’s fear of contracting COVID-19; iv) Socioeconomic Burden for Holistic Health Care Delivery. Conclusion Health planners must examine contextual factors that drive health usage, especially potentially changing gender dynamics ahead of the next pandemic. This paper examined women’s decision to seek or not seek care, the type of care they received, and where they went for care. Women felt that the pandemic affected their decision to seek or not seek care. However, while they learned new behaviours that are now integrated into their daily lives, they also indicate that some behaviours are habitual and have persisted through the pandemic.
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 | 0,008 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,010 | 0,012 |
| Communication savante | 0,007 | 0,006 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,002 |
| 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 ».