Does treatment collection and observation each day keep the patient away? An analysis of the determinants of adherence among patients with Tuberculosis in South Africa
Notice bibliographique
Résumé
Directly observed treatment short course (DOTS) has been the recommended strategy for Tuberculosis (TB) control since 1995. Developed as an alternative to inpatient treatment, it involves observation of patients' medication intake to promote adherence. However, the burden of daily clinic visits may affect access to care. Using a mixed methods approach, we consider whether (1) non-adherence differs systematically between patients required to make daily clinic visits and patients cared for under less frequent clinic visits and (2) the association between frequency of required clinic visits and adherence depends on affordability and acceptability of care. Data were collected in facility exit interviews with 1200 TB patients in two rural and two urban sub-districts in South Africa. Additionally, 17 in-depth interviews were completed with TB patients. After controlling for socioeconomic and demographic factors, patient type (new or retreatment) and treatment duration, regression analyses showed that daily attending patients were over twice as likely to report a missed clinic visit (P < 0.001) or a missed dose of treatment (P = 0.002) compared with patients required to attend clinics for treatment collection less frequently. Missed visits increased with treatment duration (P = 0.01). The significant interaction between clinic visit frequency and treatment duration indicated that sustaining daily visits over time may become increasingly difficult over the course of treatment. The qualitative analysis identified treatment cost and duration, patients' physical condition and varying social contexts (family, community and work) as important influences on adherence. These findings suggest that strategies involving daily clinic visits may require reconsideration if resources for TB care are to be used efficiently. The adoption of approaches that place patient interests at the centre of TB treatment delivery would appear to be of high priority, particularly in countries where TB prevalence is high and resources for TB care are highly constrained.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».