Treatment Adherence and Its Associated Factors in Patients with Type 2 Diabetes: Results from the Rio de Janeiro Type 2 Diabetes Cohort Study
Notice bibliographique
Résumé
Objectives. To investigate treatment adherence in patients with type 2 diabetes and to evaluate its associated factors. Methods. The Summary of Diabetes Self-Care Activities (SDSCA) questionnaire was used to assess treatment adherence. Good adherence was defined as ≥5 days a week in each SDSCA item. Pain, emotional, and physical domains of the SF-36 quality of life questionnaire and the Canadian Occupational Performance Measure (COPM) were also evaluated. Multivariable logistic regressions explored the independent correlates of good general adherence and of specific items of the SDSCA (diet, exercise, and medications). Results. Good adherence was 93.5% for medication use, 59.3% for foot care, 56.1% for blood glucose monitoring, 29.2% for diet, and 22.5% for exercise. Patients with general good adherence had lower BMI, better serum lipid profile, higher values of functional capacity, emotional and pain domains of SF-36, better occupational performance, and lower prevalence of pain or limitation in the upper and lower limbs than patients with worse adherence. The variables associated with good adherence were younger age, lower BMI, presence of macrovascular complications, better occupational performance and emotional domain of SF-36, and higher HDL cholesterol levels. The presence of pain/limitation in the upper limbs was associated with worse adherence. Good medication adherence was associated with longer diabetes duration, lower BMI, and lower HbA1c levels. Higher values of pain and emotional domains of the SF-36 and lower BMI were related to better exercise and diet adherence, while the presence of peripheral neuropathy and joint pain/limitation were associated with worse exercise adherence. Conclusions. Emotional and physical performances are important determinants of good diabetic treatment adherence. Good adherence has beneficial impact on BMI, lipid, and glycemic 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 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 | 0,001 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,001 | 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 ».