Barriers hindering attendance and adherence to antenatal care visits among women in rural areas in Rwanda: An exploratory qualitative study
Notice bibliographique
Résumé
BACKGROUND: Antenatal care (ANC) improves maternal and neonatal health. However, less than half of pregnant women in sub-Saharan African (SSA) countries, including Rwanda, attend adequate ANC designed to provide routine care and detect and treat early pregnancy complications. This article explores the women's views on factors that hinder adherence to ANC visits in Rwanda. METHODS: This exploratory qualitative research used in-depth interviews to collect data from 22 pregnant women. Data were recorded, transcribed verbatim, and analyzed using a thematic approach. RESULTS: A Thematic analysis revealed four themes: a) stigma dynamics, b) sociocultural beliefs and practices, c) lack of partner's support, and d) Challenges to and at the healthcare setting. Unintended pregnancies, multiparity, and early weaning were identified as reasons why participants delayed attending the ANC. Sociocultural practices and beliefs that place women at the center of domestic chores, cultural misbeliefs, the influence of intergenerational behaviours, and social context were also reported as barriers to attending or adhering to ANC visits. The lack of partner support has been reported as a barrier due to existing family conflicts, domestic violence, competing personal priorities of partners over ANC, and fear of partners of HIV tests. They reported several structural barriers, including attendance and adherence to ANC visits, mandatory requirements before receiving ANC, long distance to the health facility, scattered health services within a health facility, long wait times, and negative attitudes and actions of healthcare providers. CONCLUSIONS: The identified factors hindering pregnant women's participation in ANC visits are modifiable in progressive countries such as Rwanda. Continued National support could reduce these barriers, increase ANC attendance, and meet the 2030 Sustainable Development Goal 3.
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 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,005 | 0,003 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| 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 ».