Patient factors associated with attrition from a self‐management education programme
Notice bibliographique
Résumé
OBJECTIVE: To examine utilization patterns of diabetes self-management training (DSME) and identify patient factors associated with attrition from these services at an ambulatory diabetes education centre (DEC). METHODS: A retrospective medical chart review of first time visits (536) to the centre between 1 August 2000 and 31 July 2001 was conducted for patients with type 2 diabetes. Descriptive analyses were conducted to examine utilization patterns over a 1-year period. Multivariable logistic regression was used to identify patient factors associated with attrition from DSME and non-use of group education among new patients. RESULTS: Almost 50% of new patients withdrew prematurely from recommended DSME services over the 1-year period, and only 24.8% attended group education. Patient variables such as being older than 65 years of age, primarily speaking English, or working full or part-time were associated with attrition from DSME and non-use of group education when compared with middle aged, non-English-speaking, and non-working patients. CONCLUSIONS: High DSME attrition rates indicate that retention needs to become a focus of programme policy, planning and evaluation to improve programme effectiveness. DSME tailored to the cultural and linguistic characteristics of the community, and convenient and accessible to working and older patients will potentially increase retention in and accessibility to these services.
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 | 0,011 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».