Barriers to care in patients with diabetes and poor glycemic control—A cross-sectional survey
Notice bibliographique
Résumé
AIMS: To determine and quantify the prevalence of patient, provider and system level barriers to achieving diabetes care goals; and to examine whether barriers were different for people with poor glycemic control (HbA1c ≥ 10%; 86 mmol/mol) compared to fair glycemic control (7 to <8%; 53-64 mmol/mol). METHODS: We administered a survey by telephone to community-dwelling patients with diabetes, to examine patient-reported barriers and facilitators to care. We compared responses in individuals with HbA1c ≥ 10% (86 mmol/mol) against those with HbA1c between 7-8% (53-64 mmol/mol). We examined associations between HbA1c group and barriers to care, adjusting for sociodemographic factors and diabetes duration. RESULTS: The survey included 805 people with HbA1c ≥ 10% (86 mmol/mol), and 405 people with HbA1c 7-8% (53-64 mmol/mol). Participants with HbA1c ≥ 10% (86 mmol/mol) reported good access to care, however 20% of participants with HbA1c ≥ 10% (86 mmol/mol) felt that their care was not well-coordinated and 9.6% reported having an unmet health care need. In adjusted analysis, patients with HbA1c ≥10% (86 mmol/mol) were more likely to report lack of confidence and inadequate social support, compared to patients with HbA1c 7-8% (53-64 mmol/mol). They were also significantly more likely not to have drug insurance nor to have received recommended treatments because of cost. CONCLUSIONS: These results reinforce the importance of an individualized, yet multi-faceted approach. Specific attention to financial barriers seems warranted. These findings can inform the development of programs and initiatives to overcome barriers to care, and improve diabetes care and 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.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».