Glycemic Control and its Associated Factors among Elderly Diabetic Patients in a Tertiary Hospital in Lagos, Nigeria
Notice bibliographique
Résumé
Background: Glycaemic control in the elderly diabetic patient is highly individualized and achieving desired targets in the presence of comorbid conditions could be very challenging. This study was conducted to assess the glycemic control of elderly diabetics and identify associated factors at the Lagos University Teaching Hospital (LUTH). Methods: A hospital-based, cross-sectional descriptive study involving 199 randomly selected elderly diabetic patients receiving care at LUTH. A pretested, interviewer-administered questionnaire was used in data collection, which include sociodemographic characteristics, clinical history, and glycaemic control. Glycemic control was assessed using glycated haemoglobin (HBA1C). HBA1C<7.0% was tight; 7-8% targeted and >8% poor glycaemic control. Associations between glycemic control and independent variables was assessed using the chi-square test and its predictors identified by logistic regression analysis. Level of significance was set at p<0.05. Results: The mean age of the participants was 68.6 years ± 6.7 years. Tight and poor glycemic control was seen in 35.1% and 34.2% respectively. Significant associations existed between glycemic control, age (ꭓ2 =9.310; p – 0.010), and marital status (ꭓ2 = 9.934; p – 0.007). Independent predictors include >2 antidiabetic medication (aOR – 2.55; p – 0.048) Conclusion: Poor glycaemic control was high among the elderly and there was a negative correlation between age and glycaemic control among the participants. Statistically significant association was also found between glycaemic control and marital status of the participants as well as the number of diabetic medications, the presence of co-morbid conditions and adherence to medications. The need for individualized care among elderly diabetics cannot be overemphasized in order to reduce the risk of hypoglycaemia, improve clinical outcome, while considering other factors which could have an impact on glycaemic control among the elderly.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 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) | 0,001 | 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 ».