Understanding the Determinants of Health for People With Type 2 Diabetes
Notice bibliographique
Résumé
OBJECTIVE: We assessed which of a broad range of determinants of health are most strongly associated with health-related quality of life (HRQL) among people with type 2 diabetes. METHODS: Our analysis included respondents from the Canadian Community Health Survey Cycle 1.1 (2000-2001) who were aged 18 years and older and who were identified as having type 2 diabetes. We used regression analyses to assess the associations between the Health Utilities Index Mark 3 and determinants of health. RESULTS: Comorbidities had the largest impact on HRQL, with stroke (-0.11; 95% confidence interval [CI] = -0.17, -0.06) and depression (-0.11; 95% CI = -0.15, -0.06) being associated with the largest deficits. Large differences in HRQL were observed for 2 markers of socioeconomic status: social assistance (-0.07; 95% CI=-0.12, -0.03) and food insecurity (-0.07; 95% CI=-0.10, -0.04). Stress, physical activity, and sense of belonging also were important determinants. Overall, 36% of the variance in the Health Utilities Index Mark 3 was explained. CONCLUSION: Social and environmental factors are important, but comorbidities have the largest impact on HRQL among people with type 2 diabetes.
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 | 0,004 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| 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 ».