Does distance from a clinic and poverty impact visit adherence for noncommunicable diseases? A retrospective cohort study using electronic medical records in rural Haiti
Notice bibliographique
Résumé
BACKGROUND: Adherence to regular outpatient visits is vital to managing noncommunicable diseases (NCDs), a growing burden in low and middle-income countries. We characterized visit adherence among patients with NCDs in rural Haiti, hypothesizing higher poverty and distance from the clinic were associated with lower adherence. METHODS: We analyzed electronic medical records from a cohort of adults in an NCD clinic in Mirebalais, Haiti (April 2013 to June 2016). Visit adherence was: 1) visit constancy (≥1 visit every 3 months), 2) no gaps in care (> 60 days between visits), 3) ≥1 visit in the last quarter, and 4) ≥6 visits per year. We incorporated an adapted measure of intensity of multidimensional poverty. We calculated distance from clinic as Euclidean distance or self-reported transit time. We used multivariable logistic regressions to assess the association between poverty, distance, and visit adherence. RESULTS: We included 463 adult patients, mean age 57.8 years (SE 2.2), and 72.4% women. Over half of patients had at least one visit per quarter (58.1%), but a minority (19.6%) had no gaps between visits. Seventy percent of patients had a visit in the last quarter, and 73.9% made at least 6 visits per year. Only 9.9% of patients met all adherence criteria. In regression models, poverty was not associated with any adherence measures, and distance was only associated with visit in the last quarter (OR 0.87, 95% CI [0.78 to 0.98], p = 0.03) after adjusting for age, sex, and hardship financing. CONCLUSIONS: Visit adherence was low in this sample of adult patients presenting to a NCD Clinic in Haiti. Multidimensional poverty and distance from clinic were not associated with visit adherence measures among patients seen in the clinic, except for visit in the last quarter. Future research should focus on identifying and addressing barriers to visit adherence.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 source (Gemma direct ou Codex distillé), 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 ».