Gender differences in psychosocial outcomes according to BMI among adults living with type 1 diabetes: A cross-sectional BETTER analysis
Notice bibliographique
Résumé
Aims The prevalence of overweight and obesity in people with type 1 diabetes has increased significantly, presenting additional psychosocial challenges that vary by gender. This study investigates the relationship between BMI and psychosocial outcomes in adult men and women with type 1 diabetes. Methods This cross-sectional analysis used data from people with type 1 diabetes in the BETTER registry, stratified by gender and categorized into BMI groups (<25, 25–29.9, ≥ 30 kg/m 2 ). Psychosocial outcomes included depression, diabetes distress, and stigmatization related to diabetes. One-way ANOVA assessed differences between BMI groups by gender. Multivariable logistic regression then analyzed gender differences within each BMI group, adjusting for age and HbA1c. Results Among 1028 participants (66 % women, mean BMI 26.4 ± 5.1 kg/m 2 , mean age 45.4 ± 15.0 years), 460 adults (45 %) had a BMI < 25, 356 (35 %) between 25–29.9, and 212 (21 %) ≥ 30 kg/m 2 . Women in the ≥ 30 kg/m 2 group, compared to the < 25 kg/m 2 group, had more symptoms of depression, more drug prescriptions for depression/anxiety, and higher diabetes distress (p < 0.001 for all). In men, psychosocial outcomes did not differ significantly across BMI groups. Multivariable regression showed women were more likely than men to report prescriptions for depression/anxiety and high diabetes distress, particularly in the higher BMI groups. Conclusions In adults living with type 1 diabetes, higher BMI is associated with adverse psychosocial outcomes, particularly in women. Gender-specific interventions addressing mental health, stigma, and weight management could be beneficial to improve overall well-being.
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 | 0,001 |
| 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 | 0,001 |
| 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 ».