The Association of Income with Health Behavior Change and Disease Monitoring among Patients with Chronic Disease
Notice bibliographique
Résumé
BACKGROUND: Management of chronic diseases requires patients to adhere to recommended health behavior change and complete tests for monitoring. While studies have shown an association between low income and lack of adherence, the reasons why people with low income may be less likely to adhere are unclear. We sought to determine the association between household income and receipt of health behavior change advice, adherence to advice, receipt of recommended monitoring tests, and self-reported reasons for non-adherence/non-receipt. METHODS: We conducted a population-weighted survey, with 1849 respondents with cardiovascular-related chronic diseases (heart disease, hypertension, diabetes, stroke) from Western Canada (n = 1849). We used log-binomial regression to examine the association between household income and the outcome variables of interest: receipt of advice for and adherence to health behavior change (sodium reduction, dietary improvement, increased physical activity, smoking cessation, weight loss), reasons for non-adherence, receipt of recommended monitoring tests (cholesterol, blood glucose, blood pressure), and reasons for non-receipt of tests. RESULTS: Behavior change advice was received equally by both low and high income respondents. Low income respondents were more likely than those with high income to not adhere to recommendations regarding smoking cessation (adjusted prevalence rate ratio (PRR): 1.55, 95%CI: 1.09-2.20), and more likely to not receive measurements of blood cholesterol (PRR: 1.72, 95%CI 1.24-2.40) or glucose (PRR: 1.80, 95%CI: 1.26-2.58). Those with low income were less likely to state that non-adherence/non-receipt was due to personal choice, and more likely to state that it was due to an extrinsic factor, such as cost or lack of accessibility. CONCLUSIONS: There are important income-related differences in the patterns of health behavior change and disease monitoring, as well as reasons for non-adherence or non-receipt. Among those with low income, adherence to health behavior change and monitoring may be improved by addressing modifiable barriers such as cost and access.
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 | 0,000 | 0,000 |
| 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 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».