MétaCan
Menu
Retour à la cohorte
Enregistrement W7014410120

Patient-reported outcomes in type 2 diabetes mellitus: patients’ and primary care physicians’ perspectives in the Spanish health care system

2015· other· en· W7014410120 sur OpenAlexaboutno aff

Notice bibliographique

RevueDove Medical Press (Taylor and Francis Group) · 2015
Typeother
Langueen
DomaineMedicine
ThématiqueDiabetes Management and Education
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésType 2 Diabetes MellitusType 2 diabetesPrimary careClinical PracticeHealth careDiabetes mellitusPrimary health careMEDLINE
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Josep Franch-Nadal,1,2 Elena Labrador Barba,3 M Carmen Gómez-García,4 Pilar Buil-Cosiales,5 José Manuel Millaruelo,6 María Luisa Orera Peña3 1AEP Raval Sud, Barcelona, 2Center for Biomedical Research Network of Diabetes and Associated Metabolic Diseases (CIBERDEM), Madrid, 3Established Pharmaceuticals Division, Mylan EPD, Madrid, 4Centro de Salud Velez Norte, Málaga, 5Centro de Salud Azpilagana, Pamplona, 6Centro de Salud Torrero La Paz, Zaragoza, Spain Objective: Understanding patients’ and physicians’ perceptions of type 2 diabetes mellitus (T2DM) management and treatment has important implications for diabetes care, allowing the identification of clinical practice issues that could be improved, leading to patients’ better understanding of the illness and, consequently, healthier self-management behaviors. The objective of this study was to identify differences between physicians’ and T2DM patients’ perceptions related to health status, patient-reported outcomes assessments, and T2DM management and treatment, in routine clinical practice in Spain.Methods: This was an observational, cross-sectional study including 1,012 T2DM patients and 974 physicians from 47 and 52 Spanish provinces, respectively. An electronic structured self-administered questionnaire containing 17 questions was designed aiming to address both physicians’ and patient’s perceptions on overall T2DM health status and patient-reported outcomes.Results: T2DM patients perceived a worse health status (40% reported having a “good” and 38% a “neither good nor bad” health status) compared with physicians’ perceptions (77% thought patients had a “good” health status). Most patients answered being “satisfied” or “neither satisfied nor unsatisfied” with the given information, while physicians considered that patients were “satisfied” or “very satisfied” with the information for self-monitoring blood glucose and treatment administration. Fifty-seven percent of patients reported that medical recommendations were “important”, while 58% of physicians considered it as “very important”. Fifty-three percent of patients perceived that their current T2DM treatment suited their preferences “quite a lot”, and this was lower than the proportion of physicians (69%) that believed this for their patients. Additionally, a lower percentage of patients (53%) than physicians (79%) believed that their treatment improved their health-related quality of life “quite a lot”. All differences between patients and physicians were statistically significant (P<0.001).Conclusion: Patients and physicians demonstrate different views concerning all questions related to T2DM health status and diabetes management and treatment (information, recommendations, satisfaction, and preferences). Keywords: T2DM, PROs, health-related quality of life, HRQoL, preferences, adherence, treatment satisfaction, perception

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,015
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,151
Score d'incertitude au seuil0,301

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,015
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,003
Études des sciences et des technologies0,0010,001
Communication savante0,0040,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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.

Tête enseignante Opus0,021
Tête enseignante GPT0,280
Écart entre enseignants0,259 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDove Medical Press (Taylor and Francis Group)Même sujetDiabetes Management and EducationTravaux en français237 207