Factors affecting self-management in Iranian tuberculosis patients: A path analysis model
Notice bibliographique
Résumé
Abstract Background Tuberculosis is a chronic infectious disease that, if not treated and managed properly, increases the Multi Drug Resistance (MDR). Self-management behaviors can reduce the progression of illness. Although various factors affect self-management, no study has not been conducted on the self-management tuberculosis through path analysis. This study evaluated the factors affecting self-management in tuberculosis patients using path analysis. Methods This study was a cross-sectional study and was done on 133 non prisoner tuberculosis (TB) patients that referred to all health centers in Karaj, Iran from March 2016 to February 2017.The structured questionnaire was applied. Data were analyzed with SPSS-17 and Lisrel 8.8, utilizing statistical path analysis to evaluate the relationships between self-management and its related factors. Results 52.3% of the participants in the study were female and 47.7% were male. Respondents of this research were 46.9% smear-positive, 9.4% smear- negative, 43.8% extra-pulmonary TB. Fit indices confirmed the model fitness and logical relationships between the variables according to the conceptual model (X2=49.80, df=25). The final path model showed that the age (B=0.84), attitude (B=0.10), marital status (B=0.04) and house condition (B=0.03) impact self-management just through direct path. Knowledge (B=0.83) and education (0.16) affect the self-management through both direct and indirect paths. The education indirectly affects the self-management through both knowledge and attitude. knowledge indirectly impact self-management through attitude. In other words knowledge and attitude mediate the relationship between some factors and self-management. Conclusions This study provided an empirical model that illustrates the relationships between self-management and related factors in TB Patients. The most important factor that affects self-management through both direct and indirect paths was knowledge. The knowledge can be the target of interventions in support of self-management
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 | 0,004 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».