Effect of fear of hypoglycaemia on sleep quality of patients with type 2 mellitus diabetes: The mediating role of alexithymia
Notice bibliographique
Résumé
Background: Patients with type 2 diabetes mellitus (T2DM) commonly experience poor sleep quality. This study aimed to investigate whether alexithymia mediates the association between fear of hypoglycaemia (FoH) and sleep quality in patients with T2DM. Methods: From September 2021 to November 2021, a cross-sectional survey was conducted on 407 patients with T2DM in China. Data collection was made possible through the administration of the Chinese Version of the Worry Scale, Toronto Alexithymia Scale and Chinese version of the Pittsburgh Sleep Quality Index (CPSQI). Multiple linear regression analyses were also performed. Results: A total of 65.6% of the participants were male, and 75.7% were aged 18-40 years. FoH showed a moderate and positive correlation with CPSQI scores (r = 0.308, p < 0.001). Alexithymia was weakly and positively correlated with CPSQI scores (r = 0.185, p < 0.001). Meanwhile, FoH exhibited a moderate and positive correlation with alexithymia (r = 0.422, p < 0.001), and difficulty in identifying (r = 0.414, p < 0.001) and describing feelings (r = 0.416, p < 0.001) and a weak and positive correlation with externally oriented thinking (r = 0.221, p < 0.001). The total effect (β = 0.408, p < 0.001) of FoH on CPSQI comprised not only the direct (β = 0.293, 95% confidence interval: 0.174-0.411, p < 0.001) but also the indirect effect (β = 0.115, p < 0.001) of alexithymia. Conclusions: Alexithymia can mediate the association between FoH and sleep quality. Clinicians should recognize the potential effect of alexithymia and incorporate it in intervention planning and care. Addressing the affective disturbances arising from FoH can enhance emotional expression and sleep quality among T2DM patients.
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 ».