Tuberculosis in the era of infection with the human immunodeficiency virus: assessment and comparison of community knowledge of both infections in rural Uganda
Notice bibliographique
Résumé
BACKGROUND: In Uganda, despite a significant public health burden of tuberculosis (TB) in the context of high human immunodeficiency virus (HIV) prevalence, little is known about community knowledge of TB. The purpose of this study was to assess and compare knowledge about TB and HIV in the general population of western Uganda and to examine common knowledge gaps and misconceptions. METHODS: We implemented a multi-stage survey design to randomly survey 360 participants from one district in western Uganda. Weighted summary knowledge scores for TB and HIV were calculated and multiple linear regression (with knowledge score as the dependant variable) was used to determine significant predictors. Six focus group discussions were conducted to supplement survey findings. RESULTS: Mean (SD) HIV knowledge score was 58 (12) and TB knowledge score was 33 (15), both scores out of 100. The TB knowledge score was statistically significantly (p < 0.001) lower. Multivariate regression models included age, sex, marital status, education, residence, and having a friend with HIV/TB as independent variables. TB knowledge was predicted by rural residence (coefficient = -6.27, 95% CI: -11.7 to -0.8), and age ≥45 years (coefficient = 7.45, 95% CI: 0.3-14.6). HIV knowledge was only predicted by higher education (coefficient = 0.94, 95%CI: 0.3-1.6). Focus group participants mentioned various beliefs in the aetiology of TB including sharing cups, alcohol consumption, smoking, air pollution, and HIV. Some respondents believed that TB was not curable. CONCLUSION: TB knowledge is low and many misconceptions about TB exist: these should be targeted through health education programs. Both TB and HIV-infection knowledge gaps could be better addressed through an integrated health education program on both infections, whereby TB program managers include HIV information and vice versa.
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 | 0,002 | 0,010 |
| 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 | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,002 |
| 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 ».