Experiences and perceptions of migrant populations in South Africa on COVID-19 immunization: an interpretative phenomenological analysis
Notice bibliographique
Résumé
INTRODUCTION: Migrant populations (asylum seekers, permit holders, refugees, and undocumented migrants) living in South Africa face various individual, social, and physical circumstances that underpin their decisions, motivation, and ability to receive the COVID-19 vaccine. We conducted a qualitative study to explore the experiences and perceptions of migrant populations in South Africa on COVID-19 vaccines to inform recommendations for improved COVID-19 immunization. METHODS: We conducted an Interpretative Phenomenological Analysis (IPA) with 20 asylum seekers, permit holders, refugees, and undocumented migrants living in South Africa. We applied a maximum variation purposive sampling approach to capture all three categories of migrants in South Africa. Semi-structured interviews were conducted and recorded electronically with consent and permission from the study participants. The recordings were transcribed and analyzed thematically following the IPA using Atlas.ti version 9. RESULTS: Four major reflective themes emanated from the data analysis. (1) While some migrants perceived being excluded from the South African national immunization program at the level of advertisement and felt discriminated against at the immunization centers, others felt included in the program at all levels. (2) Skepticism, myths, and conspiracy theories around the origin of SARS-CoV-2 and the COVID-19 vaccine are pervasive among migrant populations in South Africa. (3) There is a continuum of COVID-19 vaccine acceptance/hesitancy ranging from being vaccinated through waiting for the chance to be vaccinated to refusal. (4) Accepting the vaccine or being hesitant follows the beliefs of the participant, knowledge of the vaccine's benefits, and lessons learned from others already vaccinated. CONCLUSION: COVID-19 vaccine inclusiveness, awareness, and uptake should be enhanced through migrant-aware policies and actions such as community mobilization, healthcare professional training, and mass media campaigns.
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 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,010 | 0,012 |
| Communication savante | 0,005 | 0,005 |
| Science ouverte | 0,001 | 0,007 |
| Intégrité de la recherche | 0,001 | 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 ».