Tuberculosis in South Africa: An Analysis of Socio-Economic Factors
Notice bibliographique
Résumé
Tuberculosis has historically thrived in some of the most impoverished and marginalized populations; however, research into why lower socio-economic populations are at a higher risk of contracting diseases remains to be a topic lacking exploration. This is becoming a more prevalent issue as multi-drug resistant Tuberculosis (MDR-TB) and extensively-drug resistant Tuberculosis (XDR-TB) are on the rise in individuals living in poverty. The main research question that will be addressed in this paper is: How do socio-economic inequalities play a role in rising incidence rates of Tuberculosis in South Africa, and what are the future challenges in dealing with MDR-TB and XDR-TB? South Africa is a particularly important country of focus because of the racial inequity that has resulted in economic disparity, and a large percentage of the population living below the poverty line. Reviews of existing literature on Tuberculosis and correlations to poverty will be critically analyzed and applied, as well as the use of government documents, including Statistics South Africa, and the World Health Organization. A cross-cultural comparison of Canada and South Africa will be included to highlight the long-term effects of marginalization societal stratification. The health care policies dealing with treatment will also be discussed, with a specific focus on social epidemiology. This paper will argue that long-term racial inequalities in South Africa has result in economic disparity, through which Black Africans and people of Colour are more susceptible to contracting TB, MDR-TB, and insufficient health resources to support them.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».