MétaCan
Menu
Retour à la cohorte
Enregistrement W2970280527 · doi:10.1016/j.cegh.2019.08.019

Relationship between socio-demographic, clinical factors, and quality of life in adults living with diabetic nephropathy

2019· article· en· W2970280527 sur OpenAlexaff
Melba Sheila D’Souza, Leodoro J. Labrague, Subrahmanya Nairy Karkada, Pramod Kamble

Notice bibliographique

RevueClinical Epidemiology and Global Health · 2019
Typearticle
Langueen
DomaineMedicine
ThématiqueDialysis and Renal Disease Management
Établissements canadiensThompson Rivers University
Organismes subventionnairesSultan Qaboos University
Mots-clésMedicineQuality of life (healthcare)Diabetic nephropathyDialysisKidney diseaseBody mass indexGlycemicHemodialysisCross-sectional studyDiabetes mellitusNephropathyGerontologyPhysical therapyInternal medicineEndocrinologyPathologyNursing

Résumé

récupéré en direct d'OpenAlex

Objective The study determines the relationship between the socio-demographic, clinical factors and quality of life among adults with diabetic nephropathy and undergoing hemodialysis. Methods This was a cross-sectional, descriptive study conducted among adults diagnosed with diabetic nephropathy receiving hemodialysis in a dialysis unit. The kidney specific quality of life and the general quality of life (KDQOL-SF) was used to collect data between January 2015 to July 2016. A hundred and forty participants completed the survey from the selected sample of 185 adults. Results Adults with complex comorbidities, stage 3, 4 and 5 chronic kidney disease, higher body mass index, and uncontrolled glycemic control were significantly associated with lower quality of life, physical and mental component summary scores. Conclusions Poor physical functioning, role-physical, body pain, role-emotional, emotional well-being, general health, mental health scores significantly affected the quality of life in high-risk adults with diabetic nephropathy. The study demonstrated the significance of patient reported outcomes for adults with diabetic nephropathy and planning healthy lifestyle changes to improve the quality of life.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,157
Tête enseignante GPT0,474
Écart entre enseignants0,317 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations10
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueClinical Epidemiology and Global HealthMême sujetDialysis and Renal Disease ManagementTravaux en français237 207