Treating latent tuberculosis infection (LTBI) with isoniazid and rifapentine (3HP) in an inner-city population with psychosocial barriers to treatment adherence: A qualitative descriptive study
Notice bibliographique
Résumé
In Canada, preventive therapy for latent tuberculosis infection (LTBI) has required multiple doses of medication over an extended period of time. Such regimens are associated with poor adherence and completion rates. A shortened treatment regimen of once weekly isoniazid plus rifapentine for 3 months (3HP), is now available, and holds promise in populations facing challenges to treatment adherence. Although many factors impact treatment adherence, a knowledge gap exists in describing these factors in the context of this regimen. We present findings from a qualitative descriptive study, involving semi-structured interviews with unstably housed or homeless individuals in Edmonton and Fort McMurray, Alberta, Canada who were offered directly-observed preventive therapy (DOPT) with 3HP, and their health care providers. Latent content analysis revealed incomplete understandings of LTBI and about the need for preventive therapy. Clients' motivation to be healthy, alongside education, health care outreach, relationships developed in the context of DOPT, ease of treatment regimen, incentives, and collaboration were all described as supporting treatment completion. Competing priorities, difficulty in reaching clients, undesirable aspects of the regimen and difficulties obtaining and initiating 3HP were identified as barriers. Perceptions of stigma related to LTBI and TB were described by clients in addition to feelings of shame related to their diagnosis. Our study provides insight into LTBI and indicates that multiple interacting psychosocial factors influence preventive therapy access, uptake, and adherence. Findings from this study of both client and provider perspectives can be used to inform and address inequities among individuals experiencing homelessness, and ultimately contribute to a diminished reservoir of LTBI.
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 | 0,004 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,009 | 0,006 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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 ».