Minimally important difference and predictors of change in quality of life in type 2 diabetes: A community‐based survey in China
Notice bibliographique
Résumé
BACKGROUND: To identify the minimally important difference (MID) of the EQ-5D-3L and determinants of change in quality of life (QoL) as measured by the EQ-5D-3L over 1 year for Chinese type 2 diabetic patients (T2DPs). METHODS: Clinically diagnosed T2DPs were recruited from 66 community health centres in five Chinese cities using a multistage quota sampling method between December 2010 and October 2011. Demographics, diabetes-related information, and health-related behaviours were collected at baseline. The EQ-5D-3L was administered at baseline and at 12 months. Anchor-based and distribution-based approaches were employed to estimate MIDs. Using the MIDs as cut-points, we identified the change in EQ-5D-3L-measured QoL into "worsening," "no change," and "bettering." Logistic and ordered logistic regressions were conducted for those who reported best possible EQ-5D health state ("best possible HS") and impaired EQ-5D health states ("impaired HS") at baseline, respectively. Explanatory variables included demographics, diabetes-related information, and health-related behaviours. RESULTS: A total of 1958 patients (54.9% female, mean age 61.2 years, mean diabetes duration 7.9 years) were included in our analysis. MIDs of the EQ-5D-3L for deterioration and improvement were estimated as -0.066 to -0.003, and 0.049 to 0.077, respectively. For the impaired HS group, older age, lower education, and less exercise were significant predictors for worsening in QoL; whereas, those predictors were older age, female gender, and lower income for the best possible HS group. CONCLUSIONS: Minimally important differences for deterioration and improvement were estimated for the EQ-5D-3L. Age, gender, education, income, and exercise were significant determinants of QoL change for Chinese T2DPs.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».