Knowledge on diabetes mellitus among geriatrics people living in old home
Notice bibliographique
Résumé
Objective: Diabetes mellitus is a serious global public health concern. Inadequate public awareness of diabetic symptoms may explain the failure in early diagnosis, and as a consequence the burden and loss of economic output associated with diabetes. This cross-sectional study was conducted to see knowledge on diabetes mellitus among geriatrics people living in old home. Methods: A total of 90 elderly people from both gender aged between 55 to >75 years living in selected old homes who met the inclusion and exclusion criteria were selected purposively. Data were collected through face to face interview by using pretested structured questionnaire and scores of 0 and 1 were allocated to each of the questions judging knowledge. Three categories of knowledge levels were defined on the basis of the scores obtained by each participant; poor (<50% of the total score), moderate (50-70% of the total score) and good (>70% of the total score). Results: Majority of study subjects were aged around 60 to 70 years with 50 (55.6%) male and 40 (44.4%) female. Frequency of illiterate and primary educated persons was 34.4% in each category and religion-wise, overwhelming majority (95%) was Muslim. Number of family members was < 3 to 6 for vast majority of the respondents. Most of the participant (72.2%) did not have any concept of diabetes. Diabetic symptoms as increase in urination, thirst and hunger, decrease weight and delayed healing were known by 22.2%, 18.9%, 15.6%, 14.4% and 15.6% respondents respectively. Thirty percent respondents did not know about causes of diabetes and about one quarter was unaware about diabetic complications and its control measures. Like-wise, most of respondents (55.5%) did not know about symptoms of hypoglycemia. Overall 11.1%, 73.3% and 15.6% geriatric people living in old homes had good, moderate and poor knowledge about diabetes mellitus. Conclusion: Knowledge of diabetes among geriatric population living in old homes having different social and educational background was not satisfactory. The development of public health programs to increase knowledge of diabetes and its complications is required to assist people living in different sociocultural background in Bangladesh.
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 | 0,028 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,003 | 0,018 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,042 | 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».