Clinical Guidelines for Managing Hearing Loss as a Complication of Drug-Resistant Tuberculosis Treatment: An Evaluation of Implementation fidelity in Kano, Nigeria
Notice bibliographique
Résumé
Abstract Background: Nigeria has a high burden of Tuberculosis (TB) including Drug-resistant Tuberculosis (DR-TB) and hearing loss Objective: To measure the implementation fidelity of management guidelines for hearing loss resulting from DR-TB treatment and to identify its determinants Method: A questionnaire-based cross-sectional study was conducted at the Infectious Disease Hospital, Kano. Implementation fidelity of the Programmatic Management guidelines for the treatment of Drug-resistant Tuberculosis was measured under the four domains of content, coverage, duration and frequency. The determinants examined are intervention complexity, facilitation strategies, quality of delivery and participant responsiveness as proposed by the Carroll et al framework. Other determinants used are age, sex, professional cadre and work experience of healthcare providers. Results: The Implementation fidelity score ranged from 40 - 64% with a mean of 47.6%. Quality of delivery, intervention complexity, participants’ responsiveness, and being a medical doctor exerted a positive effect on implementation fidelity while facilitation strategy, age and work experience exerted a negative effect on implementation fidelity. Conclusion: The implementation fidelity of management guidelines for hearing loss resulting from DR-TB treatment was low. Implementation fidelity should be assessed early and at intervals in the course of implementing the PMDT guideline and indeed, in the implementation of any intervention.
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 | 0,050 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| 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 ».