Quantitative And Qualitative Analysis Of The Quality Of Life Of Type 1 Diabetes Patients Using Insulin Pumps And Of Those Receiving Multiple Daily Insulin Injections
Notice bibliographique
Résumé
Abstract Introduction: Insulin pump therapy represents an alternative to multiple daily injections and can improve glycemic control and quality of life (QoL) in Type 1 diabetes mellitus (T1DM) patients. We aimed to explore the differences and factors related to the T1DM-specific QoL of such patients in Latvia.Design and methods: A mixed-method cross-sectional study on 87 adult T1DM patients included 20 pump users and 67 users of injections who participated in the quantitative part of the study; 8 pump users and 13 injection users participated in the qualitative part. Patients were invited to participate using a dedicated digital platform. Their QoL and self-management habits were assessed using specially developed questionnaires adapted to Latvian conditions. Multiple logistic regression models were built to investigate the association between social and self-management factors and patients’ QoL. In addition, qualitative analysis of answers was performed. Results: Insulin pump users were younger, had higher incomes, and reported higher T1DM expenses than users of multiple daily injections. There were no differences in self-management between the groups; Total QoL differed at the 0.1 significance level. In fully adjusted multiple logistic regression models, the most important factor that increased Total QoL was lower T1DM-related expenses (odds ratio, OR = 7.02 [95% confidence interval 1.29; 38.0]). Men and those with more years of living with T1DM had better QoL (OR = 9.62 [2.20; 42.1] and OR = 1.16 [1.05; 1.29], respectively), but the method of administration was not significantly associated with QoL (OR = 7.38 [0.87; 62.9]). Qualitative data supported the results of quantitative analysis. Conclusions: QoL was the main reason to use an insulin pump, while the expense was the main reason to avoid the use of it or to stop using it. Reimbursement policies thus should be considered to enable patients to choose the more convenient method for themselves.
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 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».