a one-unit increase in support for

a one-unit increase in support for taking one’s medicine
predicted 22% higher odds of improvement in SRH over
the data collection period (p = .037). Model 4 demonstrates
that a one-increment increase of support for getting enough
physical activity predicted 26% higher odds of health
improvement (p = .011). Finally, as shown in Model 6, a
one-unit increase in support for going to health care providers predicted 22% higher odds of health improvement
within 7 years (p = .043). A one-unit increase in support
for keeping one’s weight under control was associated with
17% higher odds of health improvement; however, this was
only marginally significant (at p  =  .08). The other measures—reported support from friends/family for following a
meal plan, taking care of one’s feet, and testing one’s blood
sugar—did not significantly predict change in SRH over
time in multivariable models. We repeated analyses imputing missing data on all covariates using multiple imputations. As shown in Table 3, these results are fairly stable
across models, a few notable differences in statistical significance across models (e.g., support for taking medicine
is only a significant predictor in the fully adjusted model).

ผลลัพธ์ (ไทย) 1:

การเพิ่มขึ้นหนึ่งหน่วยในการสนับสนุนการแพทย์ของ คาดการณ์ 22% สูงกว่าราคาของการปรับปรุงใน SRH มากกว่า ระยะเวลาเก็บข้อมูล (p =.037). แสดงให้เห็นถึงแบบจำลอง 4 ที่หนึ่งเพิ่มเพิ่มการสนับสนุนสำหรับการเพียงพอ ราคาสูงกว่า 26% ของสุขภาพทำนายกิจกรรมทางกายภาพ ปรับปรุง (p =.011). ในที่สุด ดังแสดงในรูป 6 การ เพิ่มขึ้นหนึ่งหน่วยในการสนับสนุนไปยังผู้ให้บริการสุขภาพทำนายราคาสูงกว่า 22% ของการปรับปรุงสุขภาพ ภายใน 7 ปี (p =.043). การเพิ่มขึ้นหนึ่งหน่วยในการสนับสนุน ทำให้น้ำหนักของหนึ่งภายใต้การควบคุมเกี่ยวข้องกับ ราคาสูงกว่า 17% ของการปรับปรุงสุขภาพ อย่างไรก็ตาม นี้เป็น อย่างมีนัยสำคัญดีเท่า (ที่ p =.08). มาตรการอื่น ๆ เช่นรายงานสนับสนุนจากเพื่อน/ครอบครัวสำหรับต่อไปนี้เป็น วางแผนมื้ออาหาร ดูแลของเท้า และการทดสอบเลือดของ น้ำตาลซึ่งทำไม่มากทำนายเปลี่ยน SRH ผ่าน เวลาในรูปแบบ multivariable เราซ้ำวิเคราะห์ imputing covariates ทั้งหมดใช้ imputations หลายข้อมูลขาดหายไป ดังแสดงในตาราง 3 ผลลัพธ์เหล่านี้จะค่อนข้างมีเสถียรภาพ ข้ามรุ่น แตกต่างโดดเด่นกี่นัยสำคัญทางสถิติในรูปแบบ (เช่น สนับสนุนสำหรับการแพทย์ ได้เฉพาะจำนวนประตูสำคัญในแบบจำลองทั้งหมดปรับปรุง)

ผลลัพธ์ (ไทย) 2:

เพิ่มขึ้นหนึ่งหน่วยในการสนับสนุนการใช้ยาอย่างใดอย่างหนึ่ง
ที่คาดการณ์ราคา 22% สูงของการปรับปรุงใน SRH กว่า
ระยะเวลาเก็บข้อมูล (p = 0.037) รุ่น 4 แสดงให้เห็น
ว่าการเพิ่มขึ้นหนึ่งในการเพิ่มการสนับสนุนสำหรับการได้รับเพียงพอ
ออกกำลังกายที่คาดการณ์ไว้ 26% อัตราต่อรองที่สูงขึ้นของการมีสุขภาพ
ดีขึ้น (p = 0.011) ในที่สุดดังแสดงในรุ่นที่ 6
เพิ่มขึ้นหนึ่งหน่วยในการสนับสนุนจะให้การดูแลสุขภาพที่คาดการณ์ราคา 22% สูงของการปรับปรุงสุขภาพ
ภายใน 7 ปี (p = 0.043) เพิ่มขึ้นหนึ่งหน่วยในการสนับสนุน
ในการรักษาน้ำหนักหนึ่งภายใต้การควบคุมมีความสัมพันธ์กับ
อัตราต่อรอง 17% สูงของการปรับปรุงสุขภาพ อย่างไรก็ตามนี่เป็น
เพียงเล็กน้อยอย่างมีนัยสำคัญ (ที่ p = 0.08) อื่น ๆ ที่สนับสนุนมาตรการรายงานจากเพื่อน / ครอบครัวต่อไปนี้
แผนอาหาร, การดูแลเท้าและการทดสอบเลือดหนึ่งของ
น้ำตาลไม่ได้อย่างมีนัยสำคัญการคาดการณ์การเปลี่ยนแปลงใน SRH กว่า
เวลาในรูปแบบหลายตัวแปร เราซ้ำ imputing วิเคราะห์ข้อมูลขาดหายไปในตัวแปรทั้งหมดที่ใช้ imputations หลาย ดังแสดงในตารางที่ 3 ผลการเหล่านี้มีความเสถียรธรรม
รุ่นข้ามความแตกต่างที่โดดเด่นไม่กี่นัยสำคัญทางสถิติในรูปแบบ (เช่นการสนับสนุนสำหรับการกินยา
เป็นเพียงการทำนายอย่างมีนัยสำคัญในรูปแบบที่ปรับอย่างเต็มที่)

ผลลัพธ์ (ไทย) 3:

เป็นหน่วยหนึ่งในการสนับสนุนการเพิ่มตัวยา
ทำนายเดิมพัน 22 % สูงกว่าของการปรับปรุงเกี่ยวกับกว่า
เก็บข้อมูลระยะเวลา ( P =    . 037 ) รุ่น 4 สาธิต
ที่เพิ่มการสนับสนุนสำหรับการหนึ่งเพิ่มกิจกรรมทางกายเพียงพอ
ทำนายอัตรา 26% สูงกว่าของการปรับปรุงสุขภาพ
( P =    . 011 ) ในที่สุด ดังแสดงในรูปแบบ 6 ,
เพิ่มหน่วยหนึ่งในการสนับสนุนเพื่อจะการดูแลสุขภาพคาด 22% สูงกว่าอัตราต่อรองของการปรับปรุงสุขภาพ
ภายใน 7 ปี ( p =     . 043 ) มีอะไรหนึ่งหน่วยเพิ่มการสนับสนุน
รักษาภายใต้การควบคุมของน้ำหนักที่เกี่ยวข้องกับ
ราคาต่อรอง 17% สูงกว่าของการปรับปรุงสุขภาพ อย่างไรก็ตาม นี่เป็นเพียงเล็กน้อย
อย่างมีนัยสำคัญ ( P =    . 08 )มาตรการสนับสนุนอื่น ๆ รายงานจากเพื่อน / ครอบครัวตามแผนอาหาร
, การดูแลเท้า , และการทดสอบเลือด
น้ำตาลไม่ได้ทำนายการเปลี่ยนแปลงเกี่ยวกับกว่า
เวลาในรูปแบบ multivariable . เราวิเคราะห์ซ้ำ imputing ข้อมูลที่ขาดหายไปในการใช้ความรู้หลายการใส่ความ . ดังแสดงในตารางที่  3 ผลลัพธ์เหล่านี้จะค่อนข้างมั่นคง
ข้ามรูปแบบไม่น่าทึ่งความแตกต่างในสถิติในรูปแบบ ( เช่น สนับสนุนยา
เป็นเพียงตัวอย่างเต็มรูปแบบในการปรับ )