Factors Associated with Unsuccessful Outcomes of Tuberculosis Treatment in 125 Municipalities in Colombia 2014 to 2016
Notice bibliographique
Résumé
Our aim was to identify the risk factors associated with unsuccessful outcomes of tuberculosis (TB) treatment in patients diagnosed between 2014 and 2016 in the 125 municipalities of Antioquia, Colombia. We studied a retrospective cohort of patients with TB diagnosed between 2014 and 2016, from national routine surveillance systems, in 125 municipalities of Antioquia. Factors associated with unsuccessful tuberculosis treatment outcomes (treatment failed, lost to follow up, or death) were identified utilizing a Poisson regression with robust variance. Over 3 years, of the 6,739 drug-susceptible tuberculosis patients, 73.4% had successful treatment and 26.6% unsuccessful outcomes (17% lost to follow up, 8.9% deaths, and 0.7% treatment failures). Patients with subsidized health insurance (Relative risk [RR]: 2.4; 95% CI: 2.1-2.8) and without health insurance (RR: 2.5; 95% CI: 2.1-3.0) had a higher risk for unsuccessful tuberculosis treatment compared to those with contributive health insurance. Other risk factors included age over 15 years, male sex, homelessness, people living with HIV, previous treatment, and primary diagnosis during hospitalization. Protective factors were living in a rural area and extrapulmonary disease. It is important to generate strategies that improves tuberculosis diagnosis in primary healthcare institutions. In addition, it is imperative to initiate new research about the barriers and obstacles related to patients, healthcare workers and services, and the health system, including the analysis of urban violence, to understand why the goal of TB treatment success has not been reached.
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 | 0,000 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».