Use of standardised patients to assess gender differences in quality of tuberculosis care in urban India: a two-city, cross-sectional study
Notice bibliographique
Résumé
BACKGROUND: In India, men are more likely than women to have active tuberculosis but are less likely to be diagnosed and notified to national tuberculosis programmes. We used data from standardised patient visits to assess whether these gender differences occur because of provider practice. METHODS: We sent standardised patients (people recruited from local populations and trained to portray a scripted medical condition to health-care providers) to present four tuberculosis case scenarios to private health-care providers in the cities of Mumbai and Patna. Sampling and weighting allowed for city representative interpretation. Because standardised patients were assigned to providers by a field team blinded to this study, we did balance and placebo regression tests to confirm standardised patients were assigned by gender as good as randomly. Then, by use of linear and logistic regression, we assessed correct case management, our primary outcome, and other dimensions of care by standardised patient gender. FINDINGS: Between Nov 21, 2014, and Aug 21, 2015, 2602 clinical interactions at 1203 private facilities were completed by 24 standardised patients (16 men, eight women). We found standardised patients were assigned to providers as good as randomly. We found no differences in correct management by patient gender (odds ratio 1·05; 95% CI 0·76-1·45; p=0·77) and no differences across gender within any case scenario, setting, provider gender, or provider qualification. INTERPRETATION: Systematic differences in quality of care are unlikely to be a cause of the observed under-representation of men in tuberculosis notifications in the private sector in urban India. FUNDING: Grand Challenges Canada, Bill & Melinda Gates Foundation, World Bank Knowledge for Change Program.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».