MétaCan
Menu
← Retour à la cohorte
Enregistrement W4391650883 · doi:10.21203/rs.3.rs-3921970/v1

“As a patient I do not belong to the clinic, I belong to the community.” Co-developing a multi-level, person-centred tuberculosis stigma intervention in Cape Town, South Africa

2024· preprint· en· W4391650883 sur OpenAlexaff
S E Hayward, Nosivuyile Vanqa, Goodman Makanda, Phumeza Tisile, Luthando Ngwatyu, Isabel Foster, Abenathi Mcinziba, Amanda Biewer, Rachel Mbuyamba, M. Galloway, Siyavuya Bunyula, Helene‐Mari van der Westhuizen, Jon S. Friedland, Andrew Marino-Medina, Lario Viljoen, Ingrid Schoeman, Graeme Hoddinott, Ruvandhi R. Nathavitharana

Notice bibliographique

RevueResearch Square · 2024
Typepreprint
Langueen
DomaineMedicine
ThématiqueTuberculosis Research and Epidemiology
Établissements canadiensPrevention of Organ Failure
Organismes subventionnairesnon disponible
Mots-clésStigma (botany)EmpowermentPsychological interventionMedicineMental healthNursingPsychologyPsychiatryPolitical science

Résumé

récupéré en direct d'OpenAlex

Background: Anticipated, internal, and enacted stigma are major barriers to TB care engagement, and directly impact patient well-being. Unfortunately, targeted stigma interventions are lacking. We aimed to co-develop a person-centred stigma intervention with TB-affected community members and health workers in South Africa. Methods: Using a community-based participatory research approach, we conducted ten group discussions with people diagnosed with TB (past or present), caregivers, and health workers (total n=87) in Khayelitsha, Cape Town. Group discussions were facilitated by TB survivors. Discussion guides explored experiences and drivers of stigma and used human-centred design principles to co-develop solutions. Recordings were transcribed, coded, thematically analysed and then further interpreted using the socio-ecological model. Results: Intervention components across socio-ecological levels shared common behaviour change strategies, namely education, empowerment, engagement, and innovation. At the individual level, participants recommended counselling to improve TB knowledge and provide ongoing support. TB survivors can guide messaging to nurture stigma resilience by highlighting that TB can affect anyone and is curable, and provide lived experiences of TB to decrease internal stigma. At the interpersonal level, support clubs and family-centred counselling were suggested to dispel TB-related myths and foster support. At the institutional level, health worker stigma reduction training informed by TB survivor perspectives was recommended. Consideration of how integration of TB/HIV care services may exacerbate TB/HIV intersectional stigma and ideas for restructured service delivery models were suggested to decrease anticipated and enacted stigma. At the community level, participants recommended awareness-raising events led by TB survivors, including TB information in school curricula. At the policy level, solutions focused on reducing the visibility generated by a TB diagnosis and resultant stigma in health facilities and shifting tasks to community health workers. Conclusions: Decreasing TB stigma requires a multi-level approach. Co-developing a person-centred intervention with affected communities is feasible and generates stigma intervention components that are directed and implementable. Such community-informed intervention components should be prioritised by TB programs, including integrated TB/HIV care services.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,007
score de la tête « metaresearch » (Gemma)0,011
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,037

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,011
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0050,003
Communication savante0,0020,002
Science ouverte0,0010,005
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0070,001

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.

Tête enseignante Opus0,267
Tête enseignante GPT0,455
Écart entre enseignants0,188 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueResearch Square→Même sujetTuberculosis Research and Epidemiology→Travaux en français237 207→