Predictors of Type-2 Diabetes Self-Screening: The Impact of Health Beliefs Model, Knowledge, and Demographics
Notice bibliographique
Résumé
Background: Diabetes mellitus (DM) is a global health concern, and the intention to undergo diabetes self-screening among patients varies based on demographics and the Health Belief Model (HBM). Objective: This study aimed to identify the factors associated with the intention to engage in DM self-screening. Methods: This study included 404 participants with a 99% response rate. Saudi Arabian residents from the Jazan region, all diagnosed with type 2 diabetes, were enrolled. A validated, Arabic-translated, and structured questionnaire was used to collect data on demographics, family history, chronic disease status, DM knowledge, HBM constructs, and DM screening behavior. The study methods adhered to the STROBE Checklist for clear and reliable reporting. Results: The study found that 24.5% of the participants were in the 35-44 age group and 67.3% were male. Regarding education, 52.2% had university-level education and 79.7% had no family history of DM. Among the participants, 62.1% reported no chronic disease. The mean knowledge score was 6.44 (SD = 2.01). The study revealed that 56.9% of the respondents intended to engage in DM screening. Factors associated with intention included age (65 and over had lower odds), gender (females had slightly higher odds), and education (school qualification had higher odds). Family history and chronic disease status did not significantly affect intention. Among the HBM constructs, higher perceived susceptibility increased the odds, higher perceived severity decreased the odds, and perceived benefits and barriers had no significant associations with intention. Conclusions: This study provides valuable insights into the factors influencing the intention to engage in DM self-screening among diabetic patients. This understanding can guide targeted interventions to promote DM self-screening and enhance diabetes care outcomes.
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 | 0,002 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».