Patient treatment satisfaction after switching to NovoMix® 30 (BIAsp 30) in the IMPROVE™ study: an analysis of the influence of prior and current treatment factors
Notice bibliographique
Résumé
PURPOSE: Understanding treatment satisfaction (TS) for diabetes is increasingly important as treatment options increase. This study examines treatment satisfaction with NovoMix® 30 in an observational study in patients with type 2 diabetes. METHODS: The DiabMedSat assesses Overall, Treatment Burden, Symptom and Efficacy Treatment Satisfaction. The impact of type of pretreatment variables on TS was examined by ANOVA at baseline and week 26. Satisfaction at week 26 was examined by t-test and effect size. Linear regression models examined impact of prior treatment factors (age, gender, duration of diabetes, type of prior treatment and diabetes-related comorbidities) and current treatment factors (weight gain, hypoglycemic events, reaching therapeutic goal) on TS. RESULTS: The data set comprised 17,488 persons. Prior treatment with insulin had a more positive impact on baseline satisfaction. At week 26, there were no differences between type of prior treatment groups in Overall, Symptoms and Burden TS. Current treatment with NovoMix 30 significantly improved TS. Regression analyses examining the combined effect of pretreatment factors and current treatment factors found that all factors except for age-impacted TS although the domains impacted varied. CONCLUSIONS: Patients treated with NovoMix 30 reported improved treatment satisfaction, and the improvement is considered clinically meaningful to patients.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».