Psychological distress and its relationship with non-adherence to TB treatment: a multicentre study
Notice bibliographique
Résumé
BACKGROUND: The successful cure of tuberculosis (TB) is dependent on adherence to treatment. Various factors influence adherence, however, few are easily modifiable. There are limited data regarding correlates of psychological distress and their association with non-adherence to anti-TB treatment. METHODS: In a trial of a new TB test, we measured psychological distress (K-10 score), TB-related health literacy, and morbidity (TBscore), prior to diagnosis in 1502 patients with symptoms of pulmonary TB recruited from clinics in Cape Town (n = 419), Harare (n = 400), Lusaka (n = 400), Durban (n = 200), and Mbeya (n = 83). Socioeconomic, demographic, and alcohol usage-related data were captured. Patients initiated on treatment had their DOTS cards reviewed at two-and six-months. RESULTS: 22 %(95 % CI: 20 %, 25 %) of patients had severe psychological distress (K-10 ≥ 30). In a multivariable linear regression model, increased K-10 score was independently associated with previous TB [estimate (95 % CI) 0.98(0.09-1.87); p = 0.0304], increased TBscore [1(0.80, 1.20); p <0.0001], and heavy alcohol use [3.08(1.26, 4.91); p = 0.0010], whereas male gender was protective [-1.47(-2.28, -0.62); p = 0.0007]. 26 % (95 % CI: 21 %, 32 %) of 261 patients with culture-confirmed TB were non-adherent. In a multivariable logistic regression model for non-adherence, reduced TBscore [OR (95 % CI) 0.639 (0.497, 0.797); p = 0.0001], health literacy score [0.798(0.696, 0.906); p = 0.0008], and increased K-10 [1.082(1.033, 1.137); p = 0.0012], and heavy alcohol usage [14.83(2.083, 122.9); p = 0.0002], were independently associated. Culture-positive patients with a K-10 score ≥ 30 were more-likely to be non-adherent (OR = 2.290(1.033-5.126); p = 0.0416]. CONCLUSION: Severe psychological distress is frequent amongst TB patients in Southern Africa. Targeted interventions to alleviate psychological distress, alcohol use, and improve health literacy in newly-diagnosed TB patients could reduce non-adherence to treatment.
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 | 0,003 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».