Skip to main content
main-content

Tipp

Weitere Artikel dieser Ausgabe durch Wischen aufrufen

01.01.2015 | Quantitative Methods Special Section | Ausgabe 1/2015

Quality of Life Research 1/2015

Predictors of perceived asthma control among patients managed in primary care clinics

Zeitschrift:
Quality of Life Research > Ausgabe 1/2015
Autoren:
Owis Eilayyan, Amede Gogovor, Nancy Mayo, Pierre Ernst, Sara Ahmed

Abstract

Objective

To estimate the extent to which symptom status, physical activity, beliefs about medications, self-efficacy, emotional status, and healthcare utilization predict perceived asthma control over a period of 16 months among a primary care population.

Methods

The current study is a secondary analysis of data from a longitudinal study that examined health outcomes of asthma among participants recruited from primary care clinics. Path analysis, based on the Wilson and Cleary and International Classification of Functioning, Disability and Health frameworks, was used to estimate the predictors of perceived asthma control.

Results

The path analysis identified initial perceived asthma control asthma (β = 0.43, p < 0.0001), symptoms (β = 0.35, p < 0.0001), physical activity (β = 0.27, p < 0.0001), and self-efficacy (β = 0.29, p < 0.0001) as significant predictors of perceived asthma control (total effects, i.e., direct and indirect), while emotional status (β = 0.08, p = 0.03) was a significant indirect predictor through physical activity. The model explained 24 % of the variance of perceived asthma control. Overall, the model fits the data well (χ2 = 6.65, df = 6, p value = 0.35, root-mean-square error of approximation = 0.02, Comparative Fit Index = 0.999, and weighted root-mean-square residual = 0.27).

Conclusion

Initial perceived asthma control, current symptoms status, physical activity, and self-efficacy can be used to identify individuals likely to have good perceived asthma control in the future. Emotional status also has an impact on perceived asthma control mediated through physical activity and should be considered when planning patient management. Identifying these predictors is important to help the care team tailor interventions that will allow individuals to optimally manage their asthma, to prevent exacerbations, to prevent other respiratory-related chronic disease, and to maximize quality of life.

Bitte loggen Sie sich ein, um Zugang zu diesem Inhalt zu erhalten

Sie möchten Zugang zu diesem Inhalt erhalten? Dann informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit dem Kombi-Abo erhalten Sie vollen Zugriff auf über 1,8 Mio. Dokumente aus mehr als 61.000 Fachbüchern und rund 500 Fachzeitschriften aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Umwelt
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe

Testen Sie jetzt 30 Tage kostenlos.

Springer Professional "Wirtschaft"

Online-Abonnement

Mit dem Wirtschafts-Abo erhalten Sie Zugriff auf über 1 Mio. Dokumente aus mehr als 45.000 Fachbüchern und 300 Fachzeitschriften aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb

Testen Sie jetzt 30 Tage kostenlos.

Literatur
Über diesen Artikel

Weitere Artikel der Ausgabe 1/2015

Quality of Life Research 1/2015Zur Ausgabe

Premium Partner

Stellmach & BröckersBBL | Bernsau BrockdorffMaturus Finance GmbHPlutahww hermann wienberg wilhelm

BranchenIndex Online

Die B2B-Firmensuche für Industrie und Wirtschaft: Kostenfrei in Firmenprofilen nach Lieferanten, Herstellern, Dienstleistern und Händlern recherchieren.

Whitepaper

- ANZEIGE -

Künstliche Intelligenz und der Faktor Arbeit - Implikationen für Unternehmen und Wirtschaftspolitik

Künstliche Intelligenz und ihre Auswirkung auf den Faktor Arbeit ist zum Modethema in der wirtschaftswissenschaftlichen Politikberatung avanciert. Studien, die alarmistisch die baldige Verdrängung eines Großteils konventioneller Jobprofile beschwören, leiden jedoch unter fragwürdiger Datenqualität und Methodik. Die Unternehmensperspektive zeigt, dass der Wandel der Arbeitswelt durch künstliche Intelligenz weitaus langsamer und weniger disruptiv ablaufen wird. Jetzt gratis downloaden!

Bildnachweise