How Much Do We Know about the Biopsychosocial Predictors of Glycaemic Control? Age and Clinical Factors Predict Glycaemic Control, but Psychological Factors Do Not
Notice bibliographique
Résumé
Diabetes mellitus is one of the most common noncommunicable diseases in Malaysia. It is associated with significant complications and a high cost of treatment, especially when glycaemic control is poor. Despite its negative impact on health, data is still lacking on the possible biopsychosocial predictors of poor glycaemic control among the diabetic population. This study is aimed at determining the prevalence of poor glycaemic control as well as its association with biopsychosocial factors such as personality traits, psychiatric factors, and quality of life (QOL) among Malaysian patients with diabetes.A cross-sectional study was conducted at the Universiti Kebangsaan Malaysia Medical Centre (UKMMC) using outpatient population diabetic patients. Demographic data on social and clinical characteristics were collected from participants. Several questionnaires were administered, including the Beck Depression Inventory-II (BDI-II) to measure depressive symptoms, the Generalized Anxiety Disorder-7 (GAD-7) to assess anxiety symptoms, the Big Five Inventory (BFI) to evaluate personality traits, and the WHO Quality of Life-BREF (WHOQOL-BREF) to assess QOL. Multivariate binary logistic regression was performed to determine the predictors of poor glycaemic control.300 patients with diabetes mellitus were recruited, with the majority (90%) having type 2 diabetes. In this population, the prevalence of poor glycaemic control (HbA1C ≥ 7.0%) was 69%, with a median HbA1C of 7.6% (IQR = 2.7). Longer duration of diabetes mellitus and a greater number of days of missed medications predicted poor glycaemic control, while older age and overall self-perception of QOL protected against poor glycaemic control. No psychological factors were associated with poor glycaemic control.This study emphasizes the importance of considering the various factors that contribute to poor glycaemic control, such as duration of diabetes, medication adherence, age, and QOL. These findings should be used by clinicians, particularly when planning a multidisciplinary approach to the management of diabetes.
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 | 0,005 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,003 |
| Communication savante | 0,003 | 0,007 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,003 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 ».