A mixed methods evaluation of 99DOTS digital adherence technology uptake among adolescents treated for pulmonary tuberculosis in Uganda.
Notice bibliographique
Résumé
Introduction: Adolescents and young adults are at risk of poor adherence to tuberculosis (TB) treatment and subsequently worse TB treatment outcomes. Digital adherence technologies, including the mobile phone-based 99DOTS platform, can support TB treatment, but there is limited data on their use among adolescents. Objective: To evaluate factors associated with the uptake of 99DOTS among adolescents with TB. Methods: We conducted an explanatory sequential mixed methods study that utilized quantitative data from adolescents collected during the scale-up of 99DOTS at 30 health facilities in Uganda, and qualitative in-depth and key informant interviews with a subset of adolescents with pulmonary TB offered 99DOTS and healthcare providers at participating facilities. Findings were further mapped onto the Capability, Opportunity, Motivation, and Behavior (COM-B) model. Results: Overall, 299/410 (73%) eligible adolescents were enrolled in 99DOTS. Older adolescents 15 to 19 years old were more likely to enroll in 99DOTS than younger adolescents 10 to 14 years [aPR= 0.56, 95% CI: (0.42-0.73)]. Conversely, adolescents treated at Health Center IV and General Hospitals were less likely to be enrolled compared to Health Center III (aPR= 0.8, 95% CI, 0.67-0.94, and aPR=0.71, 95% CI 0.58-0.85, respectively). Technological savviness among older adolescents, access to training, caregiver or treatment supporter involvement, and desire for wellness facilitated the uptake of 99DOTS. In contrast, variable mobile phone access, concerns about TB status disclosure, and health worker workload in hospitals were barriers to the uptake of 99DOTS. Conclusion: 99DOTS uptake was high among adolescents with TB. Increased access to mobile phones, health worker training on adolescent communication, and more involvement of caregivers could facilitate greater use of 99DOTS and similar technologies.
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 | 0,051 | 0,042 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».