A multidimensional education program at substance dependence treatment centers improves patient knowledge and hepatitis C care
Notice bibliographique
Résumé
BACKGROUND: HCV treatment among people who inject drugs (PWID) is low. Education programs may be suitable strategies to improve patients' knowledge about their condition and to overcome barriers to access treatment. METHODS: The Health Educational Program (HEP) consisted of patient workshops and educational videos and leaflets, and healthcare professionals' workshops. HEP was implemented at seven substance dependence treatment centers (STDC) in Portugal. The study comprised two cross-sectional evaluations conducted before and after HEP. At both evaluations, adult patients with confirmed HCV diagnosis and registered in the STDC were consecutively included. For patients that completed both evaluations, the overall knowledge score were calculated and compared with McNemar test. Linear regression modelling was used to evaluate factors associated with baseline knowledge. Rates of referral and attendance to referral specialist, treatment proposal, initiation and retention at both evaluations were also compared with McNemar test. RESULTS: Overall, 504 patients with chronic hepatitis C were included: 78 % male, mean age 42.3 ± 6.6 years, 14 % school education ≤ 4 years, disease duration 11.0 ± 6.0 years and 26 % HIV co-infected. A higher baseline knowledge was independently associated with educational level ≥ 10 years (regression coefficient [B] =15.13, p < 0.001), current use of intravenous drugs (B = 7.99, p = 0.038), previous referral for treatment (B = 4.26, p = 0.008) and previous HCV treatment (B = 5.40, p = 0.003). Following HEP, mean knowledge score increased from 69 % to 79 % (p < 0.001). The rate of patient referral to a liver specialist increased from 56.2 % to 67.5 % (p < 0.001). CONCLUSIONS: An HEP conducted at STDCs improved significantly patient knowledge about hepatitis C, even among patients with a high baseline knowledge. The HEP has also increased the rate of referral to the liver specialist and showed a great potential to support healthcare professionals in managing HCV. Education programs may promote treatment access among PWID, a population that represents the majority of HCV infected patients.
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 | 0,000 |
| 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 ».