Patient delay in the diagnosis of tuberculosis in Ethiopia: a systematic review and meta-analysis
Notice bibliographique
Résumé
BACKGROUND: Delay in the diagnosis of Tuberculosis (TB) remains a major challenge against achieving effective TB prevention and control. Though a number of studies with inconsistent findings were conducted in Ethiopia; unavailability of a nationwide study determining the median time of patient delays to TB diagnosis is an important research gap. Therefore, this study aimed to determine the pooled median time of the patient delay to TB diagnosis and its determinants in Ethiopia. METHODS: We followed PRISMA checklist to present this study. We searched from Google Scholar, PubMed, Science Direct, Web of Science, CINAHL, and Cochrane Library databases for studies. The comprehensive search for relevant studies was done by two of the authors (MA and LY) up to the 10th of October 2019. Risk of bias was assessed using the Newcastle-Ottawa scale adapted for observational studies. Data were pooled and a random effect meta-analysis model was fitted to provide the overall median time of patient delay and its determinants in Ethiopia. Furthermore, subgroup analyses were conducted to investigate how the median time of patient delay varies across different groups of studies. RESULTS: Twenty-four studies that satisfied the eligibility criteria were included. Our meta-analysis showed that the median time of the patient delay was 24.6 (95%CI: 20.8-28.4) days. Living in rural area (OR: 2.19, 95%CI: 1.51-3.18), and poor knowledge about TB (OR: 2.85, 95%CI: 1.49-5.47) were more likely to lead to prolonged delay. Patients who consult non-formal health providers (OR: 5.08, 95%CI: 1.56-16.59) had a prolonged delay in the diagnosis of TB. Moreover, the narrative review of this study showed that age, educational level, financial burden and distance travel to reach the nearest health facility were significantly associated with a patient delay in the diagnosis of TB. CONCLUSIONS: In conclusion, patients are delayed more-than three weeks in the diagnosis of TB. Lack of awareness about TB, consulting non-formal health provider, and being in the rural area had increased patient delay to TB diagnosis. Increasing public awareness about TB, particularly in rural and disadvantaged areas could help to early diagnosis of TB.
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 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,012 | 0,004 |
| Bibliométrie | 0,001 | 0,003 |
| 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 | 0,001 |
| 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 ».