Uptake of appointment spacing model of care and associated factors among stable adult HIV clients on antiretroviral treatment Northwest Ethiopia
Notice bibliographique
Résumé
Introduction Ethiopia launched an Appointment Spacing Model in 2017, which involved a six-month clinical visit and medication refill cycle. This study aimed to assess the uptake of the Appointment Spacing Model of care and associated factors among stable adult HIV clients on ART in Ethiopia. Methods A cross-sectional study was conducted from October 3 to November 30, 2020 among 415 stable adult ART clients. EpiData version 4.2 was used for data entry and SPSS version 25 was used for cleaning and analysis. A multivariable logistic regression model was fitted to identify associated factors, with CI at 95% with AOR being reported to show the strength of association. Results The uptake of the appointment spacing model was 50.1%. Residence [AOR: 2.33 (95% CI: 1.27, 4.26)], monthly income [AOR: 2.65 (95% CI: 1.13, 6.24)], social support [AOR: 2.21 (95% CI: 1.03, 4.71)], duration on ART [AOR: 2.41 (95% CI: 1.48, 3.92)], baseline regimen change [AOR: 2.20 (95% CI: 1.02, 4.78)], viral load [AOR: 2.80 (95% CI: 1.06, 7.35)], and alcohol abstinence [AOR: 2.02 (95% CI: 1.21, 3.37)] were statistically significant. Conclusions The uptake of the ASM was low. Behavioral change communication, engaging income-generating activities, and facility-level service providers' training may improve the uptake.
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 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 ».