Participant characteristics and study features associated with high retention rates in a longitudinal investigation of type 1 diabetes mellitus
Notice bibliographique
Résumé
BACKGROUND: The Diabetes Control and Complications Trial/Epidemiology of Diabetes Interventions and Complications (DCCT/EDIC) Study has sustained an extraordinarily high level of participant involvement for over two decades. PURPOSE: In order to identify specific characteristics of EDIC that contributed most strongly to retention, study-designed questionnaires were distributed to 1334 participants. METHODS: Confidential questionnaires were completed during EDIC Years 15-17. Participants were classified as Completely Adherent (completed all visits), Partly Adherent (missed >1 visit or major portion of a visit), or Inactive (did not participate for >5 years). Questionnaire items addressed specific aspects of clinic visits, evaluation procedures, staff-participant relationships, and medical/health-care support provided by EDIC. RESULTS: The most commonly cited reasons for continuing participation were Cutting Edge Tests to assess diabetes complications (79.3%), Annual Evaluations (67.7%), a desire to Help Others (65.2%), and Better Care for Diabetes (61.6%). Women chose Cutting Edge Tests as their first or second most important reason significantly more often than men, whereas men chose Better Care for Diabetes more frequently. Individuals with at least three diabetes-related complications were more likely than those with fewer complications to choose Annual Evaluations as their first or second reason for continued involvement. LIMITATIONS: The small proportion of individuals who discontinued participation restricted our ability to identify factors associated with suspended involvement. In addition, our analysis is limited to a cohort with type 1 diabetes followed in an observational study after an average participation time of 6.5 years in a randomized trial. CONCLUSIONS: The primary reasons identified by respondents for their long-term commitment are consistent with shorter-term studies and underscore the importance of expert medical care, supportive staff-participant relationships, and involvement with clinically and scientifically meaningful research.
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 | 0,010 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 ».