Patient and Provider Reported Reasons for Lost to Follow Up in MDRTB Treatment: A Qualitative Study from a Drug Resistant TB Centre in India
Notice bibliographique
Résumé
INTRODUCTION: Multidrug-resistant Tuberculosis (MDR TB) is emerging public health concern globally. Lost to follow-up (LTFU) is one of the key challenge in MDRTB treatment. In 2013, 18% of MDR TB patients were reported LTFU in India. A qualitative study was conducted to obtain better understanding of both patient and provider related factors for LTFU among MDR TB treatment. METHODS: Qualitative semi-structured personal interviews were conducted with 20 MDRTB patients reported as LTFU and 10 treatment providers in seven districts linked to Nagpur Drug resistant TB Centre (DRTBC) during August 2012-February 2013. Interviews were transcribed and inductive content analysis was performed to derive emergent themes. RESULTS: We found multiple factors influencing MDR TB treatment adherence. Barriers to treatment adherence included drug side effects, a perceived lack of provider support, patient financial constraints, conflicts with the timing of treatment services, alcoholism and social stigma. CONCLUSIONS: Patient adherence to treatment is multi-factorial and involves individual patient factors, provider factors, and community factors. Addressing issue of LTFU during MDRTB treatment requires enhanced efforts towards resolving medical problems like adverse drug effects, developing short duration treatment regimens, reducing pill burden, motivational counselling, flexible timings for DOT services, social, family support for patients & improving awareness about disease.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».