Determinants of adherence to highly active antiretroviral therapy among HIV-1-infected patients in Côte d'Ivoire
Notice bibliographique
Résumé
OBJECTIVE: To assess adherence to HAART and to determine factors associated with poor adherence among HIV-1-infected patients in Abidjan, Côte d'Ivoire. METHODS: A prospective observational study of 614 consecutive patients attending an HIV/AIDS outpatient clinic. Adherence was measured twice at 3-month intervals by self-report of missing doses over 4 days. An adherence level of less than 95% was defined as poor adherence. We used generalized estimating equation models for binomial distribution with repeated measures for data analysis. RESULTS: Of the 591 subjects who completed the study, 74.3% reported adherence levels of 95% or greater. Six factors were independently related to poor adherence: age less than 35 years [relative risk (RR) 1.45; 95% confidence interval (CI) 1.17-1.79], absence of social support (RR 1.66; 95% CI 1.24-2.24), number of daily pills 10 or more (RR 1.47; 95% CI 1.14-1.91), time of adherence assessment (first versus second time assessment RR 1.36; 95% CI 1.12-1.66), CD4 cell count of 250 cells/mul or greater (RR 1.43; 95% CI 1.10-1.88), and not being less worried about HIV infection now that treatments have improved (RR 1.26; 95% CI 1.01-1.58). Drug supply interruptions in the pharmacies were reported by 10.0% of the non-adherent patients as the reason for missing pills. CONCLUSION: Psychosocial factors were found to impact adherence and should be analysed in more detail by further studies. Scaling up antiretroviral therapy in sub-Saharan Africa should be preceded by reliable drug supply and distribution systems.
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 | 0,003 |
| 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 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| 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 ».