Community variability in TB-related stigma in South Africa: an ecologic analysis from the MISSED TB Outcomes Study
Notice bibliographique
Résumé
Introduction: Tuberculosis (TB) stigma is a critical barrier to timely diagnosis and treatment. Although stigma originates within communities, few studies have quantified community-level TB stigma or its variability across geographic contexts. This study describes methods for capturing community-level TB stigma and examines stigma variability across 93 urban, peri-urban, and rural communities in Buffalo City Metropolitan Health District, South Africa. Methods: As part of the MISSED TB Outcomes Study, heads of household (HoHs) were surveyed in a geographically clustered random sample of households across demarcated study communities. Validated scales were used to measure perceived community-level TB stigma, HIV stigma, and TB/HIV knowledge. Demographic data, including self-reported household TB and HIV history, were also captured. Community-level data, including TB and HIV stigma, were generated by aggregating individual responses within each study community. Associations between TB stigma and other community-level variables were analyzed using robust linear regression. Results: Surveys were completed by 3,869 households across 93 communities. Median community TB stigma scores varied significantly by community location, with rural communities reporting the lowest stigma and peri-urban communities the highest. TB stigma was positively associated with HIV stigma across all community types, with the strongest associations in urban and rural communities. No associations were observed between TB stigma and TB prevalence, TB knowledge, or household demographics after adjusting for community location. Conclusions: TB stigma varied meaningfully across communities and was influenced by urbanicity and HIV stigma. These findings suggest that stigma-reduction interventions must be tailored to local contexts and consider community-level determinants beyond individual knowledge or TB burden. The identified variability in TB stigma will inform future multilevel analyses of the TB care cascade in South Africa.
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 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».