MétaCan
Menu
Retour à la cohorte
Enregistrement W7033324511

Predictors of Medication Non-Adherence Among Hepatitis B Patients in South Sudan: A Health-Facility-Based Cross-Sectional Study

2025· article· en· W7033324511 sur OpenAlexaboutno aff

Notice bibliographique

RevueDOAJ (DOAJ: Directory of Open Access Journals) · 2025
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueNuclear Physics and Applications
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésLogistic regressionPublic healthHepatitis B virusHepatitis BHepatocellular carcinomaCirrhosisPublic hospitalEpidemiology
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Ismail Bamidele Afolabi,1,2 Abdulmujeeb Babatunde Aremu,3 Musa Jal-Paul Koryom,1,4 Amos Buh,2 Shannon A Bainbridge,2,5 Karen P Phillips2 1Department of Public Health, Cavendish University, Kampala, Uganda; 2Interdisciplinary School of Health Sciences, University of Ottawa, Ottawa, Ontario, Canada; 3Department of Public Health, Islamic University in Uganda, Mbale, Uganda; 4Department of Public Health, Juba Teaching Hospital, Juba, South Sudan; 5Department of Cellular and Molecular Medicine, University of Ottawa, Ottawa, Ontario, CanadaCorrespondence: Ismail Bamidele Afolabi, Email iafol063@uottawa.caBackground: Despite the effectiveness of hepatitis B virus (HBV) antiviral treatment therapy in reducing the risk of liver-related complications, such as cirrhosis and hepatocellular carcinoma among chronically infected patients, medication non-adherence continues to hamper the successful management of the infection. The extent of HBV treatment adherence, associated facilitators, and barriers in South Sudan is not established. This study aimed to explore the predictors of medication non-adherence among HBV patients attending a public health facility in, South Sudan.Methods: We conducted a facility-based cross-sectional study of 392 convenience-selected patients using a pretested interviewer-administered questionnaire premised on the information-motivation-behavioral skills (IMB) adherence model between December 2023 and March 2024. The relationship between medication non-adherence and antecedent variables was ascertained by logistic regression analysis.Results: The sample was predominantly male (64.3%), and the mean age was 31.06 (30.19– 31.93) years, with 28.1% reporting no formal education. The patients demonstrated inadequate HBV information (4.33± 1.93), low motivation (8.20± 2.69), and inadequate behavioral skills toward medication adherence (8.45± 2.99), as measured on their respective rating scales. Further, more than two-thirds of the patients (70.2%) were HBV medication non-adherent. Younger age (AOR = 4.74, 95% CI = 2.13– 10.56), being currently unmarried (AOR = 3.25, 95% CI = 1.76– 6.01), unemployment (AOR = 4.19, 95% CI = 1.84– 9.56), and increased behavioral skills (AOR = 1.12, 95% CI = 1.84– 9.56) significantly influenced medication non-adherence. Lower education (AOR = 0.21, 95% CI = 0.10– 0.46) and information adequacy (AOR = 0.63, 95% CI = 0.53– 0.75) were associated with lower odds of non-adherence.Conclusion: The study highlights key factors influencing the concerning rate of medication non-adherence among HBV patients in South Sudan. While these identified factors may explain the lingering burden of HBV-related complications, targeted interventions addressing demographic, socioeconomic barriers, and HBV-specific education are essential to enhance adherence and improve health outcomes.Keywords: hepatitis B, treatment therapy, medication non-adherence, information adequacy, behavioral skills, South Sudan

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,012
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,091
Tête enseignante GPT0,496
Écart entre enseignants0,405 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDOAJ (DOAJ: Directory of Open Access Journals)Même sujetNuclear Physics and ApplicationsTravaux en français237 207