Determinants of hospitalization in Chinese patients with type 2 diabetes receiving a peer support intervention and JADE integrated care: the PEARL randomised controlled trial
Notice bibliographique
Résumé
In a randomized controlled trial of 628 Chinese patients with type 2 diabetes receiving multidisciplinary care in the Joint Asia Diabetes Evaluation (JADE) Progam, 372 were randomized to receive additional telephone-based peer support (Peer Empowerment And Remote communication Linked by information technology, PEARL) intervention. After 12 months, all-cause hospitalization was reduced by half in the PEARL group especially in those with high Depression Anxiety and Stress Scale (DASS) scores. We used stratified analyses, negative binomial regression, and structural equation modelling (SEM) to examine the inter-relationships between emotions, self-management, cardiometabolic risk factors, and hospitalization. Hospitalized patients were older, more likely to have heart or kidney disease, and negative emotions than those without hospitalization. Patients with high DASS score who did not receive peer support had the highest hospitalization rates. After adjustment for confounders, peer support reduced the frequency of hospitalizations by 48% with a relative risk of 0.52 (95% CI 0·35–0·79;p = 0·0018). Using SEM, improvement of negative emotions reduced treatment nonadherence (Est = 0.240, p = 0.034) and hospitalizations (Est=−0.218, p = 0.001). The latter was also reduced by an interactive term of peer support and chronic kidney disease (Est = 0.833, p = < 0.001) and that of peer support and heart disease (Est = 0.455, p = 0.001). In type 2 diabetes, improvement of negative emotions and peer support reduced hospitalizations, especially in those with comorbidities, in part mediated through improving treatment nonadherence. Integrating peer support is feasible and adds value to multidisciplinary care, augmented by information technology, especially in patients with comorbidities. NCT00950716 Registered July 31, 2009.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,002 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».