INFLUENCE OF PATIENT-RELATED FACTORS ASSOCIATED ON TB OUTCOMES AMONG TB PATIENTS IN MOMBASA COUNTY
Notice bibliographique
Résumé
Purpose: The purpose of the study was to determine patient-related factors associated with TB outcomes among TB patients in Mombasa County.
 Methodology: Study was conducted in Mombasa County which is one of the 47 counties in Kenya with an urban population of 1,063,854. The study used a cross-sectional research design. The study population was the total number of notified patients with tuberculosis in one quarter in the study area (Mombasa’s health care units) and this was found to be 1207 in the year 2017. It was from this population that a systematic random sample size of 292 patients were interviewed. Quantitative data were analyzed using SPSS version 20 Descriptive statistics frequency (%), mean, and standard deviation were used to express quantitative data. In bivariate analyses, odds ratios (OR) and 95% confidence intervals (CI) for the association between TB treatment outcome and health related factors, institutional factors and patient related factors was done using logistic regression.
 Results: The results revealed that patients who are educated about health are more likely to cure of TB than patients who are not (OR 1.716, 95% CI, 0.35 to 1.48). More so, patients who receive psychosocial support are more likely to get cured than those who don’t receive psychosocial support (OR 4.08, 95% CI, 2.00 to 8.32). The results of the study give evidence to, therefore, conclude patient related factors are critical to TB treatment outcome. 
 Unique contribution to theory, policy and practice: Strengthening TB adherence counselling for patients treated for the first time to improve treatment completion. Counselling service should also be enhanced for patients taking alcohol and those smoking cigarettes as both are associated with less likelihood of completing TB treatment. Implementation of TB work place program through sensitization of company managers on the importance of TB treatment support to reduce chances of loss to follow as sighted by focused group discussions. Patients centred TB services should be provided by all facilities by focusing on the needs of the patients by agreeing on the best time to pick drugs to reduce the risk of loss to follow ups.
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 | 0,002 |
| 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 ».