Assessing private provider perceptions and the acceptability of video observed treatment technology for tuberculosis treatment adherence in three cities across Viet Nam
Notice bibliographique
Résumé
BACKGROUND: The World Health Organization recently recommended Video Observed Therapy (VOT) as one option for monitoring tuberculosis (TB) treatment adherence. There is evidence that private sector TB treatment has substandard treatment follow-up, which could be improved using VOT. However, acceptability of VOT in the private sector has not yet been evaluated. METHODS: We conducted a cross-sectional survey employing a theoretical framework for healthcare intervention acceptability to measure private provider perceptions of VOT across seven constructs in three cities of Viet Nam: Ha Noi, Ho Chi Minh City, and Hai Phong. We investigated the differences in private providers' attitudes and perceptions of VOT using mixed ordinal models to test for significant differences in responses between groups of providers stratified by their willingness to use VOT. RESULTS: A total of 79 private providers completed the survey. Sixty-two providers (75%) indicated they would use VOT if given the opportunity. Between private providers who would and would not use VOT, there were statistically significant differences (p≤0.001) in the providers' beliefs that VOT would help identify side effects faster and in their confidence to monitor treatment and provide differentiated care with VOT. There were also significant differences in providers' beliefs that VOT would save them time and money, address problems faced by their patients, benefit their practice and patients, and be relevant for all their patients. CONCLUSION: Private providers who completed the survey have positive views towards using VOT and specific subpopulations acknowledge the value of integrating VOT into their practice. Future VOT implementation in the private sector should focus on emphasizing the benefits and relevance of VOT during recruitment and provide programmatic support for implementing differentiated care with the technology.
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 | 0,003 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».