Factors associated with non-adherence to clinic visits among patients with severe mental illness enrolled in the SMILE study in Uganda
Notice bibliographique
Résumé
BACKGROUND: Non-adherence to clinic visits among patients with severe mental illness (SMI) presents challenges to patient management, treatment outcomes, and research in resource-limited settings. This study investigated the factors associated with non-adherence to clinic visits in Uganda, using appointment attendance as a proxy for clinic adherence. METHODS: This cohort study took place at Butabika National Referral Mental Hospital and Masaka Regional Referral Hospital from January to March 2018. A total of 1,201 participants with confirmed diagnoses of SMI were systematically sampled from over 3,000 outpatients. Data on socio-demographic, psychosocial, psychiatric, and behavioural factors were collected, with adherence defined as attending scheduled visits at 3, 6, 9, and 12 months post-enrolment. Descriptive statistics, bivariate, and multivariate logistic regression analyses were employed to identify significant predictors of non-adherence. RESULTS: The overall prevalence of non-adherence to clinic visits was 20% (95% CI: 17.8 − 22.3%), with males showing higher rates (22.9%) compared to females (17.6%). Factors significantly associated with increased non-adherence included younger age, being treated at Butabika National Referral Mental Hospital, and alcohol use. Conversely, higher social support was linked to improved adherence. Among psychiatric variables, patients with major depressive disorder and severe psychiatric symptoms were more likely to miss appointments. CONCLUSIONS: The study highlights the multifaceted nature of non-adherence in patients with SMI, emphasizing the need for targeted interventions addressing socio-demographic, psychosocial, and clinical factors. Enhancing social support, managing psychiatric symptoms, and reducing substance use are critical strategies for improving adherence rates, which could, in turn, lead to better health outcomes and resource optimization in mental health 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 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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».