Extent and Predictors of Poor Glycaemic Control among Elderly Pakistani Patients with Type 2 Diabetes Mellitus: A Multi-Centre Cross-Sectional Study
Notice bibliographique
Résumé
Objectives: This study aimed to explore the relationship between glycaemic control and factors that may influence this among elderly type 2 diabetes mellitus (T2DM) patients in Lahore, Pakistan. Methods: This descriptive, cross-sectional study was conducted at the Jinnah and Sir Ganga Ram Hospitals, Lahore using convenience sampling techniques between 1 December 2015 and 28 February 2016. The sample consisted of elderly (>65 years) T2DM patients. Glycaemic values and patient characteristics were obtained from medical charts. Consenting patients were interviewed to complete the Barthel Index, Lawton Instrumental Activities of Daily Living Scale, Clinical Frailty Scale, Iowa Pain Thermometer Scale, Geriatric Depression Scale, Montreal Cognitive Assessment tool, Mini Nutritional Assessment Scale—Short Form and Self Care Inventory—Revised Version. Multiple logistic regression analysis was carried out to determine the predictors of poor glycaemic control. Results: A total of 490 patients were approached and 400 agreed to participate. Overall, nearly one-third (32.2%, n = 129) of patients had glycated haemoglobin (HbA1c) at the target level. Fasting and random plasma glucose levels were within the target range to much the same extent; (36.8%, n = 147) and (27%, n = 108), respectively. HbA1c levels were also higher in patients with co-morbidities (67.4%, n = 229) with diabetes-related complications (73.5%, n = 227). Significant predictors of impaired glycaemic control (HbA1c) included poor diabetes self-care (adjusted odds ratio (AOR) 0.96; 95% confidence interval (CI) 0.95, 0.98), not being prescribed oral hypoglycaemic agents (OHA) (AOR 6.22; 95% CI 2.09, 18.46), regular hypoglycaemic attacks (AOR 2.53; 95% CI 1.34, 4.81) and falling tendency (AOR 0.19; 95% CI 0.10, 0.36). Conclusions: Poor glycaemic control prevailed among the majority of elderly Pakistani diabetic patients in this study. Triggering factors of poor glycaemic control should be taken into consideration by the healthcare professionals in targeting multifaceted interventions to achieve good glycaemic control.
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 ».