Experiences of pregnant Venezuelan migrants/refugees in Brazil, Ecuador and Peru: a qualitative analysis
Notice bibliographique
Résumé
BACKGROUND: It is estimated that since 2014, approximately 7.3 million Venezuelan migrants/refugees have left the country. Although both male and female migrants/refugees are vulnerable, female migrants/refugees are more likely to face discrimination, emotional, physical, and sexual violence. Currently there is a lack of literature that explores the experiences of pregnant Venezuelan migrants/refugees. Our aim is to better understand the experience of this vulnerable population to inform programming. METHODS: In the parent study, Spryng.io's sensemaking tool was used to gain insight into the gendered migration experiences of Venezuelan women/girls. A total of 9339 micronarratives were collected from 9116 unique participants in Peru, Ecuador and Brazil from January to April 2022. For the purpose of this analysis, two independent reviewers screened 817 micronarratives which were identified by the participant as being about someone who was pregnant, ultimately including 231 as part of the thematic analysis. This was an exploratory study and an open thematic analysis of the narratives was performed. RESULTS: The mean age and standard deviation of our population was 25.77 ± 6.73. The majority of women in the sample already had at least 1 child (62%), were married at the time of migration (53%) and identified as low socio-economic status (59%). The qualitative analysis revealed the following main themes among pregnant Venezuelan migrants/refugees: xenophobia in the forms of racial slurs and hostile treatment from health-care workers while accessing pregnancy care; sexual, physical, and verbal violence experienced during migration; lack of shelter, resources and financial support; and travelling with the hopes of a better future. CONCLUSION: Pregnant Venezuelan migrants/refugees are a vulnerable population that encounter complex gender-based and societal issues that are rarely sufficiently reported. The findings of this study can inform governments, non-governmental organizations, and international organizations to improve support systems for pregnant migrants/refugees. Based on the results of our study we recommend addressing xenophobia in health-care centres and the lack of shelter and food in host countries at various levels, creating support spaces for pregnant women who experience trauma or violence, and connecting women with reliable employment opportunities and maternal healthcare.
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 | 0,006 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,005 | 0,005 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,004 |
| 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 ».