Treatment satisfaction of diabetic patients: what are the contributing factors?
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: Treatment satisfaction is an important factor of quality of care, especially in treating chronic diseases such as diabetes mellitus. Identifying factors that independently influence treatment satisfaction may help in improving clinical outcomes. OBJECTIVE: To find the relationship between treatment satisfaction of diabetic patients and socio-demographic, clinical, adherence, treatment and health perception factors. METHODS: Patients were interviewed by telephone about their socio-demographic parameters, health status, clinical data and treatment factors. The Diabetes Treatment Satisfaction Questionnaire (DTSQ) was used to measure satisfaction and adherence. This is a cross-sectional study, as part of a larger study of chronic patients in Israel. Subjects were randomly selected diabetes patients. The main outcome measures were DTSQ levels. A multivariate linear regression model was constructed to identify factors independently associated with patients' satisfaction. RESULTS: In all, 630 patients were included in the study. Multivariate analysis indicated that demographic parameters (e.g. female gender, P = 0.036), treatment factors (e.g. type of medication, P < 0.001), adherence factors (e.g. difficulty attending follow-up or taking medications, P < 0.001) and clinical factors (e.g. diabetes complications, P < 0.01) were independently associated with lower treatment satisfaction. CONCLUSIONS: Treatment satisfaction is lower among diabetic patients who have a lower educational level, who are insulin treated or have a diabetic complication and is related to difficulties in taking medications and coming to follow-up visits. Addressing the specific needs of these patients might be effective in improving their satisfaction, thus having a positive influence on other clinical outcomes.
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.
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 | 0,001 |
| 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 découle