Depression, and Drug Adherence in Type 2 Diabetes Mellitus in Primary Care in the Kingdom of Bahrain
Notice bibliographique
Résumé
Depression stands out as the predominant risk factor among Type 2 diabetes (T2DM) patients. Depression and its association with drug adherence in T2DM patients are lacking in Bahrain. The current study aimed to examine the association depression in relation to drug adherence in T2DM in primary care centers in the Kingdom of Bahrain. This was a cross-sectional study that enrolled 455 people with T2DM. Data on demographics, risk behavior, and diabetes details were noted. Measuring tools such as patient health questionnaire (PHQ-9) to measure depression severity, and General Medication Adherence Scale (GMAS) were used to assess medical adherence respectively. Categorical variables and continuous variables were presented in a frequency table and mean ± SD/ Median (Min, Max) respectively. The data was analyzed using SPSS 24.0 software. The statistical significance threshold was set at p=0.05. The study involved participants with an average age of 54.5 ± 11.5 (M±SD) years. The frequency of depression based on PHQ-9 and medical adherence as per GMAS among T2DM patients was 30.5% and 79.1% respectively. There was a significant association between the prevalence of depression and adherence (x2 =25.03; P=0.001). Age (r=-0.121; P= 0.010), education (r=-0.096; P=0.040), family income (r=-0.101; P=0.031), physical activity (r=-0.193; P=0.001), and self-rated diabetes control within the last visit (r=-0.200; P=0.001) were significantly negatively correlated with PHQ – 9 scale. Likewise, age (r=-0.231; p=0.001), education (r=-0.123; p=0.008), nationality (r=-0.185; p=0.001), physical activity (r=-0.108; p=0.021), and self-rated diabetes control within the last visit (r=-0.139; p=0.003) were significantly negatively correlated with the GMAS scale. Our findings suggest that medical adherence is linked to depression. Age, height, education, family income, physical activity, and self-rated diabetes control in the previous visit are all important factors that are correlated to depression and drug adherence.
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 | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 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 ».