Exploring the Socio-cultural Dynamics of Treatment Adherence amongst Females living with Pulmonary Tuberculosis in Karachi, Pakistan
Notice bibliographique
Résumé
Background & Objective: Pakistan ranks fifth amongst thirty high-burden TB countries and fourth-highest in prevalence of multi-drug resistant TB. Despite higher TB rates among men, women disproportionately experience unsuccessful treatment outcomes. The National TB-Control Program despite its contributions has not adequately addressed underlying grassroots factors, particularly those impacting women, that contribute to poor treatment-outcomes. Thus the objective is to explore socio-cultural and grassroots factors influencing treatment non-adherence amongst females living with Pulmonary TB. Methods: A qualitative Phenomenological design was adopted. Twelve in-depth interviews were conducted at a TB Clinic in Karachi (from February to May 2020) with participants including (i) females living with Pulmonary TB and (ii) healthcare providers engaged in TB service-provision. Interviews were semi-structured and conducted in-person. Data was analyzed inductively using thematic analysis. Results: Three themes contributing to treatment non-adherence emerged, which are: A) The burden of home-making with sub-themes of a culture of matriarchy, traditional household norms, and intended non-disclosure of TB status; B) The journey of pursing treatment with subthemes of challenges in accessing diagnostic services, barriers in treatment adherence/continuation, unique treatment-related misconceptions; and C) TB myths with subthemes emphasizing local rumors and an inherent lack of trust in public healthcare services. Conclusion: This study reveals important grassroots, socio-cultural and physical barriers to treatment adherence among women, including gender, social norms and treatment demands. Addressing these requires a holistic approach prioritizing community empowerment with a focus on understanding day-to-day lived experiences of TB and enhancing healthcare provider capacity.
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 | 0,001 | 0,003 |
| 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 | 0,006 | 0,003 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| 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 ».