AnalysesWe used Stata 12 to assess

Analyses
We used Stata 12 to assess internal consistency
reliability (i.e., Cronbach a and
interitem correlation), calculate summary
statistics, and explore correlations.
We used AMOS 21, a structural
equation modeling (SEM) program, to
test statistical assumptions and estimate
the models. There were no missing
data.
First, we assessed whether our data
met the assumptions of maximum likelihood
estimation SEM. Multivariate
nonnormality may result in an underestimate
of data fit (i.e., inflated x2 values)
and biased SEs (36). Three data characteristics
contribute to multivariate nonnormality
(36): 1) the distribution of any
single variable is not normal (i.e., variables
are skewed and kurtotic); 2) the
joint distribution of any pair of the variables
is not bivariate normal [i.e.,Madia’s
coefficient .1.96 (36)]; and 3) the
presence of multivariate outliers [i.e.,
cases with an atypical pattern of scores;
Mahalanobis distance P , 0.001 (36)].
All measures except the MDQ subscales
were univariate nonnormal. Data were
also multivariate nonnormal (Mardia’s
coefficient, 29.3), and removal of five
multivariate outliers improved, but
did not correct, multivariate nonnormality
(Mardia’s coefficient, 18.1).
Therefore, we used bootstrapping to
estimate robust SEs and bias-corrected
P values for parameter estimates and
95% CIs for indirect effects (38). Stable
parameter estimates are indicated by
low bias (i.e., bootstrapped and maximum
likelihood estimates are similar)
and an unbiased good fitting model is
indicated by a Bollen-Stine x2 with P .
0.05 calculated using the bootstrapped
distribution (38).
We used 5,000 bootstrapped samples
(38) to estimate an IMB model of diabetes
medication adherence with fivemultivariate
outliers removed. Hypotheses
regarding structural relations between
the IMB model constructs were evaluated
with an inspection of the direction
and magnitude of the path coefficients
(direct effects) and indirect effects,
which indicate mediation. Significant indirect
effects occur when the relationship
between a predictor and an
outcome is due to the predictor being
associated with a third variable (i.e., all
or part of the direct effect of A on C is
due to a relationship between A and B).
Model fit was tested with the comparative
fit index ($0.95 indicates good fit),
the root mean square error of approximation
(#0.06 with CI 0.00–0.08 indicates
good fit), and the standardized
root mean square residual (,0.08 indicates
acceptable fit, and 0 indicates perfect
fit) (36). Agreement between
multiple indices provides the best
support a model has good data fit (36).
After evaluating the IMB model of adherence,
we conducted a series of additional
SEMs to examine the effects of
care.diabetesjournals.org Mayberry and Osborn 1249
insulin status and regimen complexity
on the IMB model relationships. First,
we added insulin status and, separately,
regimen complexity to the model as
predictors of adherence. Next, we evaluated
each potential interaction with
different models to assess whether insulin
status or, separately, regimen complexity
moderated associations between
each of the IMB constructs and adherence.
Regimen complexity was meancentered
to create interaction terms.

ผลลัพธ์ (ไทย) 1:

วิเคราะห์เราใช้ Stata 12 เพื่อประเมินความสอดคล้องภายในความน่าเชื่อถือ (เช่น Cronbach เป็น และinteritem ความสัมพันธ์), คำนวณสรุปสถิติ และความสัมพันธ์เราใช้ 21 โรงแรมอมอสโค โครงสร้างการสมการที่ (SEM) โปรแกรม การสร้างโมเดลการทดสอบสมมติฐานทางสถิติ และประเมินรูปแบบการ มีไม่ขาดข้อมูลครั้งแรก เราประเมินว่าข้อมูลของเราตามสมมติฐานของความเป็นไปได้สูงสุดประมาณ SEM. Multivariatenonnormality อาจทำให้เกิดการดูถูกดูแคลนข้อมูลที่เหมาะสม (เช่น inflated x 2 ค่า)และ SEs biased (36) ข้อมูล 3 ลักษณะการ nonnormality ตัวแปรพหุ(36): 1) การกระจายของตัวแปรเดียวไม่ปกติ (เช่น ตัวแปรเป็นบิด และ kurtotic); 2)กระจายร่วมของตัวแปรคู่ใดไม่ปกติ bivariate [เช่น Madia ของสัมประสิทธิ์.1.96 (36)]; และ 3) การของตัวแปรพหุ outliers [เช่นกรณีที่ มีรูปแบบการอักเสบของคะแนนMahalanobis เที่ยว P, 0.001 (36)]มาตรการทั้งหมดยกเว้น MDQ subscalesอย่างไร univariate nonnormal ได้ ข้อมูลได้นอกจากนี้ตัวแปรพหุ nonnormal (Mardiaสัมประสิทธิ์ 29.3), และลบห้าoutliers ตัวแปรพหุที่ปรับปรุง แต่ไม่ได้ไม่ nonnormality ถูกต้อง ตัวแปรพหุ(Mardia ของสัมประสิทธิ์ 18.1)ดังนั้น เราใช้ bootstrapping เพื่อประเมินประสิทธิภาพ SEs และ แก้ไขความโน้มเอียงP ค่าสำหรับพารามิเตอร์ประเมิน และCIs 95% สำหรับผลกระทบทางอ้อม (38) คอกตามประเมินพารามิเตอร์ความโน้มเอียงต่ำ (เช่น bootstrapped และสูงสุดประเมินความเป็นไปได้อยู่เหมือนกัน)และแบบจำลองคนดีกระชับตาม Bollen-Stine x 2 กับ P0.05 ที่คำนวณโดยใช้การ bootstrappedกระจาย (38)เราใช้ตัวอย่าง bootstrapped 5000(38) การประเมินแบบจำลอง IMB ของโรคเบาหวานยาต่าง ๆ กับ fivemultivariateoutliers เอา สมมุติฐานเกี่ยวกับโครงสร้างความสัมพันธ์ระหว่างโครงสร้างแบบจำลอง IMB ได้ประเมินมีการตรวจสอบทิศทางและขนาดของสัมประสิทธิ์เส้นทาง(ผลโดยตรง) และผล กระทบทางอ้อมซึ่งระบุว่า กาชาด นัยสำคัญทางอ้อมผลที่เกิดขึ้นเมื่อความสัมพันธ์ระหว่างที่จำนวนประตูและผลที่ได้คือจากจำนวนประตูที่ถูกเกี่ยวข้องกับตัวแปรที่สาม (เช่น ทั้งหมดหรือเป็นส่วนหนึ่งของผลกระทบโดยตรงของ A กับ Cเนื่องจากความสัมพันธ์ระหว่าง A และ B)ทดสอบ ด้วยการเปรียบเทียบแบบจำลองที่เหมาะสมพอดีดัชนี ($0.95 ว่า พอดี),ข้อผิดพลาดของค่าเฉลี่ยกำลังสองรากของประมาณ(#0.06 กับ CI 0.00 – 0.08 บ่งชี้พอดีดี), และมาตรฐานที่หลักค่าเฉลี่ยกำลังสองส่วนที่เหลือ (, 0.08 บ่งชี้พอยอมรับได้ และ 0 บ่งชี้ว่า สมบูรณ์แบบพอดี) (36) ข้อตกลงระหว่างดัชนีหลายให้ราคาดีสุดสนับสนุนแบบจำลองมีข้อมูลดีพอดี (36)หลังจากการประเมินแบบจำลอง IMB ของต่าง ๆเราดำเนินการเพิ่มเติมชุดเรียงหน้าหรือไม่สามารถตรวจสอบผลกระทบของMayberry ใน care.diabetesjournals.org และออสบอร์ประกันภัย 1249ความซับซ้อนของระบบการปกครองและสถานะอินซูลินในความสัมพันธ์แบบจำลอง IMB ครั้งแรกเราได้เพิ่มสถานะอินซูลิน และ แยกความซับซ้อนของระบบการปกครองแบบจำลองเป็นpredictors ของต่าง ๆ ถัดไป เราประเมินโต้ตอบแต่ละเป็นไปได้ด้วยรูปแบบต่าง ๆ เพื่อประเมินว่าอินซูลินสถานะหรือ แยก ความซับซ้อนของระบบการปกครองมีการควบคุมความสัมพันธ์ระหว่างแต่ละของ IMB โครงสร้างต่าง ๆความซับซ้อนของระบบการปกครองถูก meancenteredการสร้างเงื่อนไขการโต้ตอบ

ผลลัพธ์ (ไทย) 2:

การวิเคราะห์เราใช้ Stata 12 ในการประเมินความสอดคล้องภายในความน่าเชื่อถือ(เช่นครอนบาคและความสัมพันธ์ interitem) คำนวณสรุปสถิติและสำรวจความสัมพันธ์. เราใช้ AMOS 21 โครงสร้างการสร้างแบบจำลองสมการ(SEM) โปรแกรมเพื่อทดสอบสมมติฐานทางสถิติและการประเมินรูปแบบ. ไม่มีที่ขาดหายไปเป็นข้อมูล. ครั้งแรกที่เราประเมินว่าข้อมูลของเราได้พบกับสมมติฐานของความน่าจะเป็นสูงสุดประมาณค่าSEM หลายตัวแปรnonnormality อาจส่งผลให้ประมาทของข้อมูลพอดี(เช่นค่าสูงเกินจริง x2) และ SEs ลำเอียง (36) สามลักษณะข้อมูลที่นำไปสู่การหลายตัวแปร nonnormality (36): 1) การกระจายตัวของใด ๆตัวแปรเดียวที่ไม่ปกติ (เช่นตัวแปรที่มีความเบ้และkurtotic); 2) การจัดจำหน่ายร่วมกันของคู่ของตัวแปรใด ๆ ที่ไม่ได้bivariate ปกติ [คือมาเดียของค่าสัมประสิทธิ์.1.96 (36)] และ 3) การปรากฏตัวของค่าผิดปกติหลายตัวแปร [คือกรณีที่มีรูปแบบที่ผิดปกติของคะแนน;. Mahalanobis ระยะ P, 0.001 (36)] มาตรการทั้งหมดยกเว้น subscales MDQ เป็น nonnormal univariate ข้อมูลคือยัง nonnormal หลายตัวแปร (Mardia ของค่าสัมประสิทธิ์29.3) และการกำจัดของห้าค่าผิดปกติหลายตัวแปรดีขึ้นแต่ไม่ถูกต้อง nonnormality หลายตัวแปร (ค่าสัมประสิทธิ์ Mardia ของ 18.1). ดังนั้นเราจึงใช้ความร่วมมือในการประเมินประสิทธิภาพ SEs และอคติการแก้ไขค่าP สำหรับ ประมาณการพารามิเตอร์และCIS 95% สำหรับผลกระทบทางอ้อม (38) Stable ประมาณการพารามิเตอร์จะถูกระบุโดยอคติต่ำ (เช่น bootstrapped และสูงสุดประมาณการโอกาสจะคล้ายกัน) และรูปแบบที่เหมาะสมเป็นกลางที่ดีคือการระบุโดย Bollen-Stine x2 กับ P. 0.05 คำนวณโดยใช้ bootstrapped การจัดจำหน่าย (38). เราใช้ 5,000 bootstrapped ตัวอย่าง(38) เพื่อประเมินรูปแบบการ IMB ของโรคเบาหวานรับประทานยาอย่างสม่ำเสมอกับfivemultivariate ค่าผิดปกติเอาออก สมมติฐานเกี่ยวกับความสัมพันธ์ระหว่างโครงสร้างสร้างรูปแบบIMB ได้รับการประเมินที่มีการตรวจสอบของทิศทางและขนาดของสัมประสิทธิ์เส้นทาง(ผลกระทบโดยตรง) และผลกระทบทางอ้อมที่แสดงการไกล่เกลี่ย ทางอ้อมอย่างมีนัยสำคัญผลกระทบที่เกิดขึ้นเมื่อความสัมพันธ์ระหว่างทำนายและอย่างเป็นผลเกิดจากการทำนายที่มีการเชื่อมโยงกับตัวแปรที่สาม(เช่นทั้งหมดหรือบางส่วนของผลกระทบโดยตรงของในซีอันเนื่องมาจากความสัมพันธ์ระหว่างA และ B). รุ่น พอดีได้รับการทดสอบเปรียบเทียบกับดัชนีพอดี($ 0.95 แสดงให้เห็นแบบที่ดี) รากหมายถึงข้อผิดพลาดของการประมาณตาราง(# 0.06 มี CI 0.00-0.08 แสดงให้เห็นแบบที่ดี) และมาตรฐานรากหมายถึงตารางที่เหลือ (0.08 แสดงให้เห็นพอดีที่ยอมรับได้และ0 บ่งชี้ที่สมบูรณ์แบบพอดี) (36) ข้อตกลงระหว่างดัชนีหลายให้ดีที่สุดการสนับสนุนรูปแบบพอดีได้ข้อมูลที่ดี(36). หลังจากการประเมินรูปแบบของ IMB ยึดมั่นเราดำเนินการชุดของการเพิ่มเติมSEMs เพื่อตรวจสอบผลกระทบของcare.diabetesjournals.org หน่อมแน้มและออสบอร์ 1249 สถานะอินซูลินและ ความซับซ้อนของระบบการปกครองในรูปแบบความสัมพันธ์IMB ครั้งแรกที่เราได้เพิ่มสถานะอินซูลินและแยกความซับซ้อนของระบบการปกครองรูปแบบเช่นการพยากรณ์ของการยึดมั่น ต่อไปเราประเมินแต่ละปฏิสัมพันธ์อาจเกิดขึ้นกับรูปแบบที่แตกต่างกันเพื่อประเมินว่าอินซูลินสถานะหรือแยกระบบการปกครองที่ซับซ้อนพอสมควรสัมพันธ์ระหว่างแต่ละโครงสร้างIMB และยึดมั่น. สูตรซับซ้อนถูก meancentered เพื่อสร้างเงื่อนไขการทำงานร่วมกัน

ผลลัพธ์ (ไทย) 3:

วิเคราะห์
เราใช้ Language 12 เพื่อประเมินความเที่ยงแบบความสอดคล้องภายใน ( เช่น มีค่า

interitem และความสัมพันธ์ ) , คำนวณสถิติสรุป
, และสำรวจความสัมพันธ์ .
เราใช้ 21 อาโมส แบบจำลองสมการโครงสร้าง
( SEM ) และสถิติทดสอบสมมติฐานประมาณการ


นางแบบ ไม่มีพลาด

แรกข้อมูล เราประเมินว่าข้อมูลที่เราพบสมมติฐานของ

ความน่าจะเป็นสูงสุดจากการประมาณค่า ตัวแปรหลายตัว
nonnormality อาจส่งผลในการประมาท
ข้อมูลพอดี ( คือพอง x2 ค่า )
และอคติ SES ( 36 ) สามลักษณะของข้อมูลหลายตัวแปร nonnormality

สนับสนุน ( 36 ) : 1 ) การแจกแจงของตัวแปรใด
เดียวไม่ได้เป็นปกติ ( เช่น ตัวแปร และ kurtotic
เป็นเบ้ ) 2 ) การร่วมกันของคู่ใด ๆ

ไม่ถดถอยของตัวแปรปกติ [ เช่นสื่อของ
เท่ากับ . 1.96 ( 36 ) ] ; และ 3 ) การแสดงตนของหลายตัวแปร มีค่า
[ I ,
กรณีที่มีรูปแบบพิเศษของคะแนน ;
mahalanobis ระยะห่าง P 0.001 ( 36 ) ] .
มาตรการทั้งหมดยกเว้น mdq
2 โดยมี nonnormal . ข้อมูลหลายตัวแปร ( mardia
ยัง nonnormal สัมประสิทธิ์ของ
29.3 ) และการกำจัดของหลายตัวแปร มีค่า 5

ไม่ได้ดีขึ้น แต่เมื่อ nonnormality
ถูกต้อง( mardia ก็เท่ากับ 2.65 ) .
ดังนั้นเราจึงใช้ bootstrapping

ประมาณแข็งแกร่ง SES และอคติการแก้ไข
P ค่าประมาณพารามิเตอร์
CIS 95% สำหรับผลกระทบทางอ้อม ( 38 ) ประมาณการระบุโดยพารามิเตอร์ที่มั่นคง

อคติต่ำ ( เช่น bootstrapped และประมาณความควรจะเป็นสูงสุดเหมือนกัน

) และเป็นกลางดีกระชับแบบ
แสดงโดย bollen สตีน X2 p .
005 คำนวณโดยใช้ bootstrapped
กระจาย ( 38 )

เราใช้ 5000 bootstrapped ตัวอย่าง ( 38 ) เพื่อประเมินการใช้ยาตามเกณฑ์ IMB รูปแบบเบาหวาน

กับ fivemultivariate ผิดปกติออก สมมติฐานเกี่ยวกับความสัมพันธ์เชิงโครงสร้างระหว่าง


กับรูปแบบโครงสร้างแรก ได้แก่ การตรวจสอบทิศทางและขนาดของสัมประสิทธิ์เส้นทาง

( ผลทางตรงและผลทางอ้อม
ซึ่งบ่งชี้ว่า การไกล่เกลี่ย ผลกระทบทางอ้อม

ที่สำคัญเกิดขึ้นเมื่อความสัมพันธ์ระหว่างตัวแปรและ
ผลเนื่องจากตัวถูก
ที่เกี่ยวข้องกับตัวแปรที่สาม ( I ,
ทั้งหมดหรือส่วนหนึ่งของผลกระทบโดยตรงของใน C
เนื่องจากความสัมพันธ์ระหว่าง A และ B )
แบบพอดีกำลังทดสอบกับเปรียบเทียบ
พอดี ( $ 0.95 ดัชนีบ่งชี้พอดี )

ประมาณค่าเฉลี่ยความคลาดเคลื่อนกำลังสองของราก( # 0.06 และ 0.08 กับ CI 0.00 แสดงว่า
พอดี ) และรากหมายความว่าสี่เหลี่ยมจัตุรัสที่เหลือมาตรฐาน
( 0.08 แสดงว่า
0 แสดงว่ายอมรับพอดีและสมบูรณ์แบบ
พอดี ) ( 36 ) ข้อตกลงระหว่าง
ดัชนีหลายให้การสนับสนุนที่ดีที่สุด
แบบมีข้อมูลที่ดีพอ ( 36 ) .
หลังจากประเมิน IMB รูปแบบการยึดมั่น
เราดำเนินการชุดของเพิ่มเติม

แบบเพื่อศึกษาผลของ care.diabetesjournals .org หน่อมแน้มออสบอร์นด้วยอินซูลินและสถานะการความซับซ้อนและ

ในรูปแบบแรกของความสัมพันธ์ แรก
เราเพิ่มอินซูลินสถานะและการแยก ,
regimen ความซับซ้อนรูปแบบที่
ทำนายการยึดมั่น ต่อไป เราประเมินศักยภาพแต่ละปฏิสัมพันธ์กับ

รูปแบบต่าง ๆเพื่อประเมินว่าอินซูลิน
สถานะหรือการแยก , การดูแลความสัมพันธ์ระหว่างความซับซ้อน

แต่ละ IMB โครงสร้าง และความร่วมมือในการเป็น meancentered

เพื่อสร้างความซับซ้อนด้านปฏิสัมพันธ์