Gender, diabetes education, and psychosocial factors are associated with persistent poor glycemic control in patients with type 2 diabetes in the <scp>J</scp>oint <scp>A</scp>sia <scp>D</scp>iabetes <scp>E</scp>valuation (<scp>JADE</scp>) program
Notice bibliographique
Résumé
BACKGROUND: Factors associated with persistent poor glycemic control were explored in patients with type 2 diabetes under the Joint Asia Diabetes Evaluation (JADE) program. METHODS: Chinese adults enrolled in JADE with HbA1c ≥8% at initial comprehensive assessment (CA1) and repeat assessment were analyzed. The improved group was defined as those with a ≥1% absolute reduction in HbA1c, and the unimproved group was those with <1% reduction at the repeat CA (CA2). RESULTS: Of 4458 enrolled patients with HbA1c ≥8% at baseline, 1450 underwent repeat CA. After a median interval of 1.7 years (interquartile range[IQR] 1.1-2.2) between CA1 and CA2, the unimproved group (n = 677) had a mean 0.4% (95% confidence interval [CI] 0.3%, 0.5%) increase in HbA1c compared with a mean 2.8% reduction (95% CI -2.9, -2.6%) in the improved group (n = 773). The unimproved group had a female preponderance with lower education level, and was more likely to be insulin treated. Patients in the improved group received more diabetes education between CAs with improved self-care behaviors, whereas the unimproved group had worsening of health-related quality of life at CA2. Apart from female gender, long disease duration, low educational level, obesity, retinopathy, history of hypoglycemia, and insulin use, lack of education from diabetes nurses between CAs had the strongest association for persistent poor glycemic control. CONCLUSIONS: These results highlight the multidimensional nature of glycemic control, and the importance of diabetes education and optimizing diabetes care by considering psychosocial factors.
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 | 0,004 | 0,020 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».