A qualitative meta-synthesis of facilitators and barriers to tuberculosis diagnosis and treatment in Nigeria
Notice bibliographique
Résumé
BACKGROUND: Despite progress in tuberculosis (TB) control globally, TB continues to be a leading cause of death from infectious diseases, claiming 1.2 million lives in 2018; 214,000 of these deaths were due to drug resistant strains. Of the estimated 10 million cases globally in 2018, 24% were in Africa, with Nigeria and South Africa making up most of these numbers. Nigeria ranks 6th in the world for TB burden, with an estimated 4.3% multi-drug resistance in new cases. However, the country had one of the lowest case detection rates, estimated at 24% of incident cases in 2018 - well below the WHO STOP TB target of 84%. This rate highlights the need to understand contextual issues influencing tuberculosis management in Nigeria. Our synthesis was aimed at synthesizing qualitative evidence on factors influencing TB care in Nigeria. METHODS: A three-stage thematic meta-synthesis of qualitative studies was used to identify barriers and facilitators to tuberculosis case finding and treatment in Nigeria. A search of eleven databases was conducted. The date of publication was limited to 2006 to June 2020. We analyzed articles using a three-stage process, resulting in coding, descriptive subthemes and analytical themes. RESULTS: Our final synthesis of 10 articles resulted in several categories including community and family involvement, education and knowledge, attitudes and stigma, alternative care options, health system factors (including coverage and human resource), gender, and direct and indirect cost of care. These were grouped into three major themes: individual factors; interpersonal influences; and health system factors. CONCLUSION: Case finding and treatment for TB in Nigeria currently depends more on individual patients presenting voluntarily to the hospital for care, necessitating an understanding of patient behaviors towards TB diagnosis and treatment. Our synthesis has identified several related factors that shape patients' behavior towards TB management at individual, community and health system levels that can inform future interventions.
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 | 0,088 | 0,162 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,005 | 0,007 |
| Bibliométrie | 0,014 | 0,013 |
| Études des sciences et des technologies | 0,003 | 0,002 |
| Communication savante | 0,005 | 0,005 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».