Facility-Level Factors Influencing Retention of Patients in HIV Care in East Africa
Notice bibliographique
Résumé
Losses to follow-up (LTFU) remain an important programmatic challenge. While numerous patient-level factors have been associated with LTFU, less is known about facility-level factors. Data from the East African International epidemiologic Databases to Evaluate AIDS (EA-IeDEA) Consortium was used to identify facility-level factors associated with LTFU in Kenya, Tanzania and Uganda. Patients were defined as LTFU if they had no visit within 12 months of the study endpoint for pre-ART patients or 6 months for patients on ART. Adjusting for patient factors, shared frailty proportional hazard models were used to identify the facility-level factors associated with LTFU for the pre- and post-ART periods. Data from 77,362 patients and 29 facilities were analyzed. Median age at enrolment was 36.0 years (Interquartile Range: 30.1, 43.1), 63.9% were women and 58.3% initiated ART. Rates (95% Confidence Interval) of LTFU were 25.1 (24.7-25.6) and 16.7 (16.3-17.2) per 100 person-years in the pre-ART and post-ART periods, respectively. Facility-level factors associated with increased LTFU included secondary-level care, HIV RNA PCR turnaround time >14 days, and no onsite availability of CD4 testing. Increased LTFU was also observed when no nutritional supplements were provided (pre-ART only), when TB patients were treated within the HIV program (pre-ART only), and when the facility was open ≤4 mornings per week (ART only). Our findings suggest that facility-based strategies such as point of care laboratory testing and separate clinic spaces for TB patients may improve retention.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 ».