Quality of care for tuberculosis and HIV in the private health sector: a cross-sectional, standardised patient study in South Africa
Notice bibliographique
Résumé
BACKGROUND: South Africa has high burdens of tuberculosis (TB) and TB-HIV, yet the quality of patient care in the private sector is unknown. We describe quality of TB and TB-HIV care among private general practitioners (GPs) in two South African cities using standardised patients (SPs). METHODS: Sixteen SPs presented one of three cases during unannounced visits to private GPs in selected high-TB burden communities in Durban and Cape Town: case 1, typical TB symptoms, HIV-positive; case 2, TB-specified laboratory report, HIV-negative and case 3, history of incomplete TB treatment, HIV-positive. Clinical practices were recorded in standardised exit interviews. Ideal management was defined as relevant testing or public sector referral for any reason. The difference between knowledge and practice (know-do gap) was assessed through case 1 vignettes among 25% of GPs. Factors associated with ideal management were assessed using bivariate logistic regression. RESULTS: 511 SP visits were completed with 212 GPs. Respectively, TB and HIV were ideally managed in 43% (95% CI 36% to 50%) and 41% (95% CI 34% to 48%) of case 1, 85% (95% CI 78% to 90%) and 61% (95% CI 73% to 86%) of case 2 and 69% (95% CI 61% to 76%) and 80% (95% CI 52% to 68%) of case 3 presentations. HIV status was queried in 35% (95% CI 31% to 39%) of visits, least with case 1 (24%, 95% CI 18% to 30%). The difference between knowledge and practice was 80% versus 43% for TB and 55% versus 37% for HIV, resulting in know-do gaps of 37% (95% CI 19% to 55%) and 18% (95% CI -1% to 38%), respectively. Ideal TB management was associated with longer visit time (OR=1.1, 95% CI 1.1 to 1.2), female GPs (3.2, 95% CI 2.0 to 5.1), basic symptom inquiry (2.0, 95% CI 1.7 to 2.3), HIV-status inquiry (OR=11.2, 95% CI 6.4 to 19.6), fewer medications dispensed (OR=0.6, 95% CI 0.5 to 0.7) and Cape Town (OR=2.2, 95% CI 1.5 to 3.1). Similar associations were observed for HIV. CONCLUSIONS: Private providers ideally managed TB more often when a diagnosis or history of TB was implied or provided. Management of HIV in the context of TB was less than optimal.
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 | 0,004 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 ».