Demographic, Clinical, and Quality of Life Profiles of Older People With Diabetes During the COVID-19 Pandemic: Cross-Sectional Study
Notice bibliographique
Résumé
BACKGROUND: Diabetes mellitus, one of the main diseases that affects the Brazilian population older than 60 years, is defined as a divergent group of metabolic disorders that present a high level of glycemia (hyperglycemia), causing damage to various organs and systems of the body, including the heart, kidneys, eyes, and nervous system. It is believed that in 2025, in Brazil alone, there will be more than 18.5 million individuals diagnosed with diabetes mellitus. Therefore, it is important to know the individuals' quality of life in the context of life and culture. OBJECTIVE: This study aimed to assess the demographic, clinical, and quality of life profiles of older adults with diabetes during the COVID-19 pandemic in a university hospital complex in the northern Amazon region. METHODS: We conducted a cross-sectional, exploratory, noninterventional, descriptive, and analytical study using a nonrandom sample of 54 older people diagnosed with diabetes mellitus at the geriatrics outpatient clinic of the medium and high complexity university hospital in the western Brazilian Amazon between 2020 and 2022. We used 3 instruments, namely, a sociodemographic questionnaire, a clinical conditions questionnaire, and Diabetes-39. Qualitative data were described using absolute and relative frequencies. The Kolmogorov-Smirnov normality test was applied, and the z test was used for inferential analysis. SPSS software (version 27) was used for data analysis, and the significance level was 5%. RESULTS: Of the 54 interviewees, the majority were women, married, retired, and had a good quality of life. Of these, 48.1% (n=26) were infected by COVID-19, 61.5% (n=16) of whom progressed to long COVID, presenting with fatigue or muscle weakness. As for the quality of life, the "social overload" (P<.001) and "sexual functioning" (P<.001) dimensions had with low scores compared to the "energy and mobility" (P=.005), "diabetes control" (P<.001), and "anxiety and worry" (P<.001) dimensions. Quality of life was negatively impacted in the "anxiety and worry" dimension. Among those affected by COVID-19, most progressed to long COVID; however, there was a lack of data on this theme in the population of older people with diabetes. CONCLUSIONS: The majority of interviewees progressed to long COVID, with their quality of life negatively impacted in the "anxiety and worry" dimension, reflecting that health actions prioritizing mental health should be implemented by health professionals.
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 | 0,001 | 0,002 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| 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 ».