Case identification, retention and blood pressure control in Kenya
Notice bibliographique
Résumé
BACKGROUND: Prevalence of hypertension in Africa is rising but it remains underdiagnosed and poorly controlled. In Kenya, only 22% of individuals known to have hypertension were on treatment, and only 51.7% were controlled. This study will assess screening outcomes, retention and blood pressure (BP) control of a hypertension programme in Kenya. DESIGN: This was a retrospective cohort study using data routinely collected between 2015 and 2018. All patients aged >18 years screened and treated in the programme were included. RESULTS: Of 663,028 screening encounters, 70.4% were female; the median age was 34 years. Overall, 19% of the study population, mainly males and older persons, had high BP higher rates. Of 66,981 patients started on treatment, the majority were females (71.2%); the median age was 55 years. Only 12% of patients were reported as having been retained after 12 months, and 48.6% of patients on treatment 10.5-13.5 months after enrolment had controlled BP. Older age and treatment at primary care level were associated with better retention and females had better BP control. CONCLUSIONS: The programme screened primarily females and younger individuals at lower risk. Retention was poor and close to half of patients retained had controlled BP. Hypertension programmes should target high-risk individuals, decentralise treatment, incorporate retention strategies and improve longitudinal data management.
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 | 0,002 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| 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 ».