Poor Adherence to Common Recommendations and Associated Factors among Outpatients with Type 2 Diabetes Mellitus in a Police Hospital of Ethiopia
Notice bibliographique
Résumé
Abstract Introduction Poor adherence to medication and healthy lifestyle managements, such as diet and regular exercise, remains to be a challenge for patients with type 2 diabetes mellitus. The objective of this study was to assess the pattern of adherence to common recommendations, reasons, and factors associated with poor overall adherence among outpatients with type 2 diabetes mellitus in a police hospital of Ethiopia. Method A facility-based cross-sectional study was done between 15 October 2016 and 15 January 2017. Systematic random sampling method was applied to recruit participants. A semistructured interview guide with an observation checklist was used to collect data. SPSS v.20.0 was used in the analysis. Results Out of 361 participants, over half (56.5%) participants were male and 235 (65.1%) participants were military. Nearly half (49%) of the participants were on oral combination therapy. Only 194 (53.7%) of the patients showed good adherence for diet. Half (50.1%) of the respondents had poor adherence to all recommendations. Reasons for poor adherence included lack of adequate knowledge (68.9%) for diet, carelessness (37.8%) for exercise, and lack of adequate knowledge (34.8%) followed by carelessness (28.3%) and forgetfulness (19.6%) for medication. Intake of herbal medicines doubled the likelihood of good adherence. Conclusion Adherence of patients to diet was found to be suboptimal. Lack of adequate knowledge, carelessness, and forgetfulness were among the reasons mentioned. Only use of herbal medicine showed statistical significance with adherence. Patient education on dietary practice is required in the study setting.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 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) | 0,000 | 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 tête enseignante, 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 ».