Diabetes Medical Group Visits and Type 2 Diabetes Outcomes: Mediation Analysis of Diabetes Distress
Notice bibliographique
Résumé
Background: Group-based diabetes care, both technology-enabled and in-person, can improve diabetes outcomes in low-income minority women, but the mechanism remains unclear. Objective: We tested whether diabetes group medical visits (GMVs) reduced hemoglobin A1c (HbA1c) by mitigating diabetes distress (DD), an emotional response affecting nearly half of adults with type 2 diabetes in community settings. Methods: We conducted a mediation and moderation analysis of data from the Women in Control 2.0 comparative effectiveness study, which showed that both technology-enabled and in-person diabetes GMVs improve HbA1c. We tested whether DD mediated the relationship between diabetes GMV engagement and reductions in HbA1c. We also tested whether this relationship was moderated by depressive symptoms and social support. Participants were 309 low-income and minority women. Diabetes GMV engagement was measured using the Group Climate Questionnaire. The mediator, DD, was measured using the Diabetes Distress Screening Scale. The outcome was the 6-month change in HbA1c. Social support was measured using the Medical Outcomes Study Social Support Survey. Results: DD mediated the relationship between engagement and 6-month HbA1c. Specifically, group engagement affected HbA1c by reducing distress associated with the regimen of diabetes self-management (P=.04), and possibly the emotional burden of diabetes (P=.09). The relationship between engagement and 6-month HbA1c was moderated by depressive symptoms (P=.02), and possibly social support (P=.08). Conclusions: Engagement in diabetes GMVs improved HbA1c because it helped reduce diabetes-related distress, especially related to the regimen of diabetes management and possibly related to its emotional burden, and especially for women without depressive symptoms and possibly for women who lacked social support.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| 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) | 0,001 | 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 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 ».