Twelve-month Treatment Retention and Associated Factors: A Comparison of 2 Medically Assisted Therapy Clinics in Dar es Salaam, Tanzania
Notice bibliographique
Résumé
OBJECTIVES: Retention in methadone maintenance treatment is instrumental in achieving better treatment outcomes. In this study, we compared 2 medication-assisted treatment (MAT) clinics in Dar es Salaam, Tanzania with respect to patient characteristics, outcomes, and factors that predict 12-month treatment retention. METHODS: This retrospective registry-based cohort study utilized data collected for routine clinical and program monitoring at 2 sites, Mwananyamala and Muhimbili MAT clinics. Cumulative retention in treatment was calculated using life tables. The analysis of treatment retention predictor variables used both Kaplan-Meier and Cox proportional hazard analyses. RESULTS: We examined the socio-demographic and program-related characteristics of 362 (181 from each clinic) patients. Twelve-month treatment retention was higher at Mwananyamala (73%) than Muhimbili (64%) MAT clinic, but the difference was not significant. In both clinics, a higher methadone dose (>60mg) significantly predicted treatment retention ( P < 0.05). Being employed and traveling an average short distance (<5 km) from home to clinic significantly increased the likelihood of remaining in treatment in Muhimbili MAT clinic (P< 0.05) only. CONCLUSIONS: A methadone dose of 60 mg and above was associated with longer retention in treatment. At 1 clinic in a denser and more central location, employment and a short travel distance from home to clinic were associated with longer tenure in treatment. These findings have potential implications for clinical practice, research, and scaling up MAT services in Tanzania.
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 | 0,000 |
| 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) | 0,001 | 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 ».