Social Support and Treatment Outcomes Among Multi-Drug Resistant Tuberculosis and Persons Living With HIV in Nigeria
Notice bibliographique
Résumé
An estimated 40% of people with tuberculosis (TB) are missed due to underdiagnosis, and among those previously treated TB cases, about a quarter develop drug-resistant TB in Nigeria. The emergence of multi-drug-resistant TB (MDR-TB) is stalling the effort towards TB’s control and eradication. Few studies have examined the impact of the psychosocial effect and support systems for TB, particularly for MDR-TB. In this quantitative, cross-sectional study, the predictive relationship between social support given to MDR-TB patients and their treatment outcomes was examined using secondary data of 594 MDR-TB cases enrolled between January 2018 and December 2021. The theoretical framework for this study was grounded in the social-ecological model. Multiple logistic regression was used to determine if a statistically significant predictive relationship exists between treatment outcome and social support while adjusting for sociodemographic factors (age, gender, place of residence, education, marital status), HIV status, and antiretroviral therapy (ART) status among MDR-TB, and persons with HIV in Nigeria. After adjusting for the sociodemographic factors and HIV status, the result was indicative of a statistically significant 728% increased odds of the likelihood of reporting favorable treatment outcomes for MDR-TB among those with social support compared to those without in Nigeria (aOR= 7.277, 95% CI= (1.369 – 38.679), p = 0.02). The sample was limited in size among those with HIV, and as such, the results cannot be replicated due to sparse data. This finding justifies the need to ensure social safety nets and upscale the quality of social support services in a patient-centered approach to meet the needs of the vulnerable population for positive social change.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».