Insulin-self administration among individuals with diabetes: Implications for improved practices
Notice bibliographique
Résumé
BACKGROUND: Diabetes significantly contributes to both microvascular and macrovascular complications. Effective management depends on meticulous glycemic control, with insulin playing a crucial role. The success of insulin therapy relies on patients' ability to properly administer insulin and adhere to the administration instructions. OBJECTIVE: This cross-sectional study aimed to evaluate the knowledge and practices of insulin use among patients with type 1 and type 2 diabetes and to identify factors influencing these practices. METHODS: A validated, self-administered questionnaire was distributed in person to outpatient insulin users with type 1 and type 2 diabetes at King Abdullah University Hospital. In addition to socio-demographics and health characteristics, the questionnaire evaluated patients' knowledge regarding insulin, its administration, and insulin use practices. Quantile regression was used to explore factors associated with insulin administration practices. RESULTS: The study included 402 patients, 53.0% of which are females, with a median age of 54 years. The median (interquartile range) knowledge score was 5 (4-6) out of a maximum possible score of 9, while the median (interquartile range) insulin administration practice score was 80.39 (72.92-85.42) out of a maximum possible score of 100. = . Lower practice levels were associated with older age (coefficient: -0.149, 95%CI: -0.217- -0.082), lack of diabetes information (coefficient: -6.189, 95%CI: -12.041 - -0.337), and reliance on non-scientific information sources (coefficient: -2.409, 95%CI: -4.562 - -0.255). However, higher knowledge scores were associated with better practices (coefficient: 2.516, 95%CI: 1.819-3.213). CONCLUSIONS: While the study reveals acceptable knowledge and practices regarding insulin self-administration, it also highlights significant gaps that policy initiatives should address by implementing uniform training programs and interventions to promote effective insulin administration practices.
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 | 0,003 | 0,017 |
| 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 | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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 ».