Care pathways of individuals with tuberculosis before and during the COVID-19 pandemic in Bandung, Indonesia
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The COVID-19 pandemic is thought to have undone years' worth of progress in the fight against tuberculosis (TB). For instance, in Indonesia, a high TB burden country, TB case notifications decreased by 14% and treatment coverage decreased by 47% during COVID-19. We sought to better understand the impact of COVID-19 on TB case detection using two cross-sectional surveys conducted before (2018) and after the onset of the pandemic (2021). These surveys allowed us to quantify the delays that individuals with TB who eventually received treatment at private providers faced while trying to access care for their illness, their journey to obtain a diagnosis, the encounters individuals had with healthcare providers before a TB diagnosis, and the factors associated with patient delay and the total number of provider encounters. We found some worsening of care seeking pathways on multiple dimensions. Median patient delay increased from 28 days (IQR: 10, 31) to 32 days (IQR: 14, 90) and the median number of encounters increased from 5 (IQR: 4, 8) to 7 (IQR: 5, 10), but doctor and treatment delays remained relatively unchanged. Employed individuals experienced shorter delays compared to unemployed individuals (adjusted medians: -20.13, CI -39.14, -1.12) while individuals whose initial consult was in the private hospitals experienced less encounters compared to those visiting public providers, private primary care providers, and informal providers (-4.29 encounters, CI -6.76, -1.81). Patients who visited the healthcare providers >6 times experienced longer total delay compared to those with less than 6 visits (adjusted medians: 59.40, 95% CI: 35.04, 83.77). Our findings suggest the need to ramp up awareness programs to reduce patient delay and strengthen private provide engagement in the country, particularly in the primary care sector.
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.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 découle