‘The disease isn't listening to the drug’: The socio-cultural context of antibiotic use for viral respiratory infections in rural Uganda
Notice bibliographique
Résumé
To identify factors precipitating antibiotic misuse and discuss how to promote safe antibiotics use and curb antibiotic resistance. Antibiotic misuse is a significant problem globally, leading to increased antibiotic resistance. Many socio-cultural factors facilitate antibiotic misuse: patient and provider beliefs about antibiotics, inadequate regulation, poor health literacy, inadequate healthcare provider training, and sub-optimal diagnostic capability. This study investigates the influence of such factors on antibiotic use and community health in rural Uganda. Attention was paid to patient-provider dynamics, providers' concerns, and the role of drug shops in the communities and how these situations exacerbate antibiotic misuse. Using a grounded ethnographic approach, interviews, focus groups, and observations were conducted over six weeks. Five salient themes emerged from data analysis. Based on the study results and a review of past literature on antibiotic resistance, there is need for improved health literacy and education, continued focus on efficiency and affordability in healthcare, and recognition of the role of stewardship and government in providing better healthcare. The problem of antibiotic misuse is multifactorial. Proposed solutions must target multiple contributing factors and must ultimately modify the culture and beliefs surrounding antibiotic use and encourage proper use. Such a multi-pronged approach would be most effective and would decrease rates of antibiotic resistance.
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 | 0,001 |
| 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 | 0,001 | 0,001 |
| 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 ».