Numeracy skills and glycemic control in an observational, multi-centre, cross-sectional, and international study of children with Type 1 Diabetes
Notice bibliographique
Résumé
AIMS: This study examined the possible association between numeracy skills and glycemic outcomes in children with type 1 diabetes. METHODS: The study used a cross-sectional design and collected data from 7 centers of the Hvidoere Study Group. HbA1c was measured centrally. Numeracy was assessed using the specific 5-item Diabetes Numeracy Test (DNT-5) and the international, general Wordless Mathematical Test (WMT). The HbA1c predictive multivariate generalized linear model was constructed using the adjusted R-squared index for model selection. Pearson's correlation coefficient was calculated between observed and predicted HbA1c levels in the training and testing datasets. RESULTS: Overall,306 adolescents aged 12-18 (mean age 14.96 ± 1.68) years and diabetes duration of 6.57 (±3.75) participated in this study. Numeracy skills, as assessed by the WMT but not DNT-5, predicted the HbA1c levels after adjustment for sociodemographic and clinical factors. The correlation between observed and predicted HbA1c levels was consistent in both datasets and was 0.34 (N = 155) and 0.37 (N = 61) for the training and test datasets, respectively (p = 0.412). The effect size for the WMT-based predictive model of HbA1c adjusted for clinical and socioeconomic factors was significantly higher (p < 0.05) than the single-parameter-based model. CONCLUSIONS: Numeracy, as assessed by an international general math test, is a good predictor of HbA1c in children and adolescents with type 1 diabetes. The basic and short WMT is a potentially effective tool in personalized clinical pediatric diabetes practice. Therapy planning should consider adjusting therapy to compensate for lower numeracy skills and/or training to improve the patient's numerical proficiency.
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) | 0,000 | 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 ».