‘I am treated well if I adhere to my HIV medication’: putting patient–provider interactions in context through insights from qualitative research in five sub-Saharan African countries
Notice bibliographique
Résumé
OBJECTIVES: The nature of patient-provider interactions and communication is widely documented to significantly impact on patient experiences, treatment adherence and health outcomes. Yet little is known about the broader contextual factors and dynamics that shape patient-provider interactions in high HIV prevalence and limited-resource settings. Drawing on qualitative research from five sub-Saharan African countries, we seek to unpack local dynamics that serve to hinder or facilitate productive patient-provider interactions. METHODS: This qualitative study, conducted in Kisumu (Kenya), Kisesa (Tanzania), Manicaland (Zimbabwe), Karonga (Malawi) and uMkhanyakude (South Africa), draws upon 278 in-depth interviews with purposively sampled people living with HIV with different diagnosis and treatment histories, 29 family members of people who died due to HIV and 38 HIV healthcare workers. Data were collected using topic guides that explored patient testing and antiretroviral therapy treatment journeys. Thematic analysis was conducted, aided by NVivo V.8.0 software. RESULTS: Our analysis revealed an array of inter-related contextual factors and power dynamics shaping patient-provider interactions. These included (1) participants' perceptions of roles and identities of 'self' and 'other'; (2) conformity or resistance to the 'rules of HIV service engagement' and a 'patient-persona'; (3) the influence of significant others' views on service provision; and (4) resources in health services. We observed that these four factors/dynamics were located in the wider context of conceptualisations of power, autonomy and structure. CONCLUSION: Patient-provider interaction is complex, multidimensional and deeply embedded in wider social dynamics. Multiple contextual domains shape patient-provider interactions in the context of HIV in sub-Saharan Africa. Interventions to improve patient experiences and treatment adherence through enhanced interactions need to go beyond the existing focus on patient-provider communication strategies.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 ».