Health-related quality of life in elderly diabetic outpatients in Vietnam
Notice bibliographique
Résumé
BACKGROUND: Health-related quality of life (HRQoL) is an important indicator for designing care and treatment services for patients with diabetes. This is especially true given its rapid increase among the elderly population in Vietnam. HRQoL data in elderly diabetic Vietnamese are currently limited. This study aimed to 1) measure the HRQoL of elderly patients with type 2 diabetes (T2DM) in Vietnam and 2) identify related factors and their relationship with HRQoL. PATIENTS AND METHODS: A cross-sectional study was conducted. We recruited 171 patients aged ≥60 years with T2DM at the Outpatient Department, National Geriatric Hospital from June to November 2015. Patients were asked to evaluate their health status using the EuroQol Five Dimensions Three Levels (EQ-5D-3L) and the Visual Analog Scale (VAS). Sociodemographic, diabetic treatment, and management characteristics were collected. Multivariate Tobit regression was used to determine which factors were associated with HRQoL, and the strength of this relationship. RESULTS: Patients reported some problems in all areas of the EQ-5D: pain/discomfort (50.9%), mobility (33.3%), anxiety/depression (24.0%), usual activities (21.1%), and self-care (10.5%). The mean EQ-5D index score was 0.80 (SD=0.20), and the mean EQ-VAS was 57.5 (SD=14.4). Patients who were male, lived in an urban area, could afford treatment, were taking fewer medications, and monitored blood pressure often (1-4 times a week) had a higher EQ-5D index when compared to other groups. Meanwhile, a longer duration of diabetes and older age were negatively associated with the EQ-5D index. Patients with any comorbidity had lower VAS scores than their counterparts. CONCLUSION: The presence of diabetes and comorbidity were responsible for a significant decrease in HRQoL. Screening and identifying health problems, providing prompt treatment, and facilitating self-management among patients have the potential to increase diabetic patients' HRQoL.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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) | 0,001 | 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 ».