Follow-Up Visit Patterns in an Antiretroviral Therapy (ART) Programme in Zomba, Malawi
Notice bibliographique
Résumé
BACKGROUND: Identifying follow-up (FU) visit patterns, and exploring which factors influence them are likely to be useful in determining which patients on antiretroviral therapy (ART) may become Lost to Follow-Up (LTFU). Using an operation and implementation research approach, we sought 1) to describe the timing of FU visits amongst patients who have been on ART for shorter and longer periods of time; and 2) to determine the median time to late visits, and 3) to identify specific factors that may be associated with these patterns in Zomba, Malawi. METHODS AND FINDINGS: Using routinely collected programme monitoring data from Zomba District, we performed descriptive analyses on all ART visits among patients who initiated ART between Jan. 1, 2007-June 30, 2010. Based on an expected FU date, each FU visit was classified as early (≥4 day before an expected FU date), on time (3 days before an expected FU date/up to 6 days after an expected FU date), or late (≥7 days after an expected FU date). In total, 7,815 patients with 76417 FU visits were included. Ninety-two percent of patients had ≥2 FU visits. At the majority of visits, patients were either on time or late. The median time to a first late visit among those with 2 or more visits was 216 days (IQR: 128-359). Various patient- and visit-level factors differed significantly across Early, On Time, and Late visit groups including ART adherence and frequency of, and type of side effects. DISCUSSION: The majority of patients do not demonstrate consistent FU visit patterns. Individuals were generally on ART for at least 6 months before experiencing their first late visit. Our findings have implications for the development of effective interventions that meet patient needs when they present early and can reduce patient losses to follow-up when they are late. In particular, time-varying visit characteristics need further research.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».