Patients’ Perceptions and Knowledge of Diabetes and Medications: Implications for Medication Adherence and Glycemic Control in Type 2 Diabetes Patients, Northern Ethiopia
Notice bibliographique
Résumé
Globally, adherence to Type 2 diabetes mellitus (T2DM) medications remains suboptimal. There are limited insights, however, on this issue in the northern region of Ethiopia. This cross-sectional study at Alamata General Hospital investigated the interplay between patients' medication beliefs, diabetes knowledge, adherence, and glycemic control. Data collection was done using structured questionnaires and chart reviews, while descriptive and inferential statistics were for the analysis. Among 305 T2DM patients, poor medication adherence was prevalent (44.6%), alongside suboptimal glycemic control (75.7%). Patients diagnosed for over a decade had an adjusted odds ratio (AOR) of 3.87 for nonadherence, while high concern about medication side effects was associated with a 20.63-fold higher nonadherence risk (AOR = 20.63). Low disease awareness increased nonadherence risk by 4.54 times (AOR = 4.54), while a strong belief in medication necessity was protective (AOR = 0.21). Poor glycemic control was associated with educational background, diabetes awareness, monthly income, and treatment modality. Urgently needed are tailored diabetes education programs in Northern Ethiopia to counteract high rates of poor medication adherence (AOR = 3.87) and glycemic control among T2DM patients. Targeted interventions, emphasizing knowledge enhancement and reinforcing positive beliefs, are essential for improving outcomes in this population.
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 | 0,001 | 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 | 0,000 | 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 ».