Factors Affecting Non-Compliance of Patients Taking Tuberculosis Medication in The Working Area of Health Services of Liquiça District, Timor-Leste, 2018
Notice bibliographique
Résumé
Introduction: Non-adherence to taking tuberculosis medication is a patient who is unable or refuses to take tuberculosis medication based on a doctor's prescription, such as: taking inconsistent medication, inadequate clinic visits, inadequate dot program, refusing to take medication. Of the 1/2 million people diagnosed with mdr-tuberculosis, the rate of non-adherence to treatment is difficult to assess and it is estimated that more than a quarter of tuberculosis patients fail to complete treatment within 6 months. Method: The method used quantitatively with the cross-sectional study approach, the population is all tuberculosis patients who run the dots program including those who fail treatment, relapse, and return after defaulted with the age of more than >14 years as many as 142 patients, samples as many as 105. Data collection techniques use nominally scaled questionnaires. Result and Discusion: The test results of univariate and bivariate analysis of chi-square, bivariate analysis using a significant alpha value of 5% (?=0.05). The results of bivariate analysis showed that there was a significant influence between education level (rp = 3,420), knowledge level (rp = 3,052), family support (rp = 0,003), length of treatment (rp = 3,149), on the patient's inadequacy in taking tuberculosis drugs. Conclusion: In conclusion, the results of this study are the level of education, level of knowledge, family support, duration of treatment affect the non-compliance of patients taking tuberculosis drugs.
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 | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 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) | 0,005 | 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 ».