Type 2 diabetes

ABSTRACT Type 2 diabetes mellitus is a chronic metabolic disease with a rapidly increasing prevalence worldwide and is frequently accompanied by microvascular complications, particularly diabetic neuropathy. Diabetic neuropathy often presents with sensory symptoms such as pain, paresthesia, and numbness, which tend to worsen at night and may interfere with sleep quality. Disturbed sleep in patients with type 2 diabetes mellitus can adversely affect daily functioning, glycemic control, and overall quality of life. However, previous studies examining the relationship between diabetic neuropathy and sleep quality have reported inconsistent findings. This study aims to determine the relationship between the occurrence of diabetic neuropathy and sleep quality among patients with type 2 diabetes mellitus at RS Siti Khodijah Sepanjang. This study employed an analytical observational design with a cross-sectional approach. Data were collected using primary data from questionnaires and secondary data from medical records of patients with type 2 diabetes mellitus. Diabetic neuropathy was assessed based on clinical evaluation, while sleep quality was measured using the Pittsburgh Sleep Quality Index (PSQI). The findings demonstrate an association between the occurrence of diabetic neuropathy and impaired sleep quality in patients with type 2 diabetes mellitus. Patients experiencing diabetic neuropathy tended to have poorer sleep quality, characterized by prolonged sleep latency, reduced sleep efficiency, increased sleep fragmentation, and shorter sleep duration. Diabetic neuropathy is associated with decreased sleep quality in patients with type 2 diabetes mellitus. These findings highlight the importance of considering sleep quality as part of comprehensive management in patients with diabetic neuropathy to improve overall health outcomes. Keywords: Type 2 Diabetes Mellitus, Diabetic Neuropathy, Sleep Quality, PSQI. ABSTRAK Diabetes melitus tipe 2 merupakan penyakit metabolik kronis dengan prevalensi yang terus meningkat dan sering disertai komplikasi mikrovaskular, salah satunya neuropati diabetik. Neuropati diabetik ditandai dengan gejala sensorik seperti nyeri, kesemutan, kebas, dan rasa terbakar yang umumnya memberat pada malam hari sehingga berpotensi mengganggu kualitas tidur. Gangguan kualitas tidur pada pasien diabetes melitus tipe 2 dapat berdampak negatif terhadap aktivitas harian, kontrol glikemik, dan kualitas hidup. Namun, hasil penelitian sebelumnya mengenai hubungan neuropati diabetik dengan kualitas tidur masih menunjukkan ketidakkonsistenan. Penelitian ini bertujuan untuk mengetahui hubungan antara kejadian neuropati diabetik dengan kualitas tidur pada pasien diabetes melitus tipe 2 di RS Siti Khodijah Sepanjang. Penelitian ini menggunakan desain observasional analitik dengan pendekatan cross-sectional. Data diperoleh dari data primer berupa kuesioner serta data sekunder dari rekam medis pasien diabetes melitus tipe 2. Kejadian neuropati diabetik dinilai melalui evaluasi klinis, sedangkan kualitas tidur diukur menggunakan Pittsburgh Sleep Quality Index (PSQI). Hasil penelitian menunjukkan adanya hubungan antara kejadian neuropati diabetik dengan penurunan kualitas tidur pada pasien diabetes melitus tipe 2. Pasien dengan neuropati diabetik cenderung mengalami kualitas tidur yang lebih buruk, ditandai dengan latensi tidur yang memanjang, efisiensi tidur yang menurun, fragmentasi tidur yang meningkat, serta durasi tidur yang lebih pendek. Terdapat hubungan antara kejadian neuropati diabetik dengan kualitas tidur pada pasien diabetes melitus tipe 2. Oleh karena itu, aspek kualitas tidur perlu dipertimbangkan dalam manajemen komprehensif pasien neuropati diabetik guna meningkatkan luaran kesehatan secara keseluruhan. Kata Kunci: Diabetes Melitus Tipe 2, Neuropati Diabetik, Kualitas Tidur, PSQI.

Background Eating-related behavioural factors may contribute to the complexity of glycaemic management in type 2 diabetes mellitus (T2DM), but their relationships with treatment context remain insufficiently understood. This study examined hedonic hunger and eating-disorder symptom dimensions in relation to glycaemic control across different treatment regimens in adults with T2DM. Methods This cross-sectional study included 203 adults with T2DM attending an outpatient diet clinic in southeastern Turkey between March and September 2025. Participants were receiving oral antidiabetic medication only ( n = 108), insulin only ( n = 32), or combined oral medication plus insulin therapy ( n = 63). Hedonic hunger was assessed using the Power of Food Scale (PFS), and eating-disorder symptom dimensions using the 13-item Eating Disorder Examination Questionnaire–Short Form (EDE-Q-13). Anthropometric measurements, 24-h dietary recall data, fasting plasma glucose (FPG), and glycated haemoglobin (HbA1c) were obtained. Hierarchical linear regression was used to examine factors associated with HbA1c. Results HbA1c differed substantially across treatment groups and was highest in the insulin-only group ( p < 0.001). Several PFS subscales and EDE-Q-13 symptom dimensions also differed between groups, although their effect sizes were small. Selected PFS dimensions were weakly positively correlated with glycaemic indicators, whereas the EDE-Q-13 eating-restraint subscale and total score showed weak inverse correlations with HbA1c. In the fully adjusted model, insulin-only and combination therapy were associated with higher HbA1c compared with oral medication only, while body mass index (BMI) was inversely associated with HbA1c. Neither the PFS food available subscale nor the EDE-Q-13 total score remained independently associated with HbA1c. The final model explained 27.2% of the variance in HbA1c (adjusted r 2 = 0.230). Conclusion Treatment context was more strongly related to glycaemic status than the behavioural measures assessed, although modest differences in hedonic hunger and eating-disorder symptom dimensions were evident across treatment regimens. These findings suggest that eating-related behavioural characteristics may provide complementary information in nutritional assessment and should be interpreted alongside the broader clinical context of T2DM management.

Background Digital mental health tools, including general-purpose artificial intelligence (AI) chatbots, may provide accessible and low-threshold psychological support for people living with chronic conditions. However, their value in this population depends not only on recognizing depression or anxiety, but also on understanding how psychological distress is shaped by disease-specific experiences and when self-guided support should transition toward professional care. We evaluated the appropriateness, contextual sensitivity, safety, and consistency of psychological support provided by three widely accessible AI chatbots across contrasting chronic illness contexts. Methods We conducted a standardized simulated-patient benchmarking study comparing ChatGPT, Gemini, and Doubao. Twenty scenarios were developed across type 2 diabetes mellitus (T2DM) and chronic spontaneous urticaria (CSU), representing matched mild and moderate presentations of depression and anxiety together with condition-specific distress related to diabetes self-management and CSU-related flare uncertainty. Each scenario was independently submitted to all three systems in two testing rounds, yielding 120 responses. Blinded raters assessed overall psychological support appropriateness, recognition and emotional support, chronic-illness contextualization, psychological support and referral, psychosomatic balance and safety, and major clinical or safety errors. Repeated testing assessed response consistency. Results Overall psychological support appropriateness differed across systems (P = 0.002), with 90.0% of ChatGPT, 75.0% of Gemini, and 55.0% of Doubao responses meeting the prespecified appropriateness threshold. Recognition and emotional support was consistently strong across systems, whereas greater differences emerged in chronic-illness contextualization (P = 0.001), psychological support and referral (P = 0.002), and psychosomatic balance and safety (P<0.001). All responses to mild presentations were classified as psychologically appropriate, compared with 58.3% of responses to moderate presentations, indicating that performance became less reliable when digital support required stronger escalation toward professional assessment. Contextualization was also less consistent in CSU, particularly when responses needed to incorporate flare unpredictability, pruritus, sleep disruption, and illness uncertainty. Major clinical or safety errors occurred in 0%, 10.0%, and 15.0% of first-round ChatGPT, Gemini, and Doubao responses, respectively. Test–retest consistency was moderate and varied between systems. Conclusions General-purpose AI chatbots show potential as accessible, self-guided digital mental health resources for people living with chronic conditions, particularly for recognizing distress and providing initial supportive guidance. Their current limitations emerge when effective support requires disease-specific contextualization, balanced interpretation of psychological and somatic factors, or escalation as symptoms become more severe. These findings identify important boundaries for the use of conversational AI in chronic-illness mental health care and suggest that implementation should emphasize context-sensitive guidance, severity-responsive referral, and clear integration with rather than substitution for professional care.

زمینه: ابزارهای سلامت روان دیجیتال، از جمله چت‌بات‌های هوش مصنوعی عمومی، ممکن است حمایت روان‌شناختی قابل دسترس و با آستانه پایین برای افراد مبتلا به بیماری‌های مزمن فراهم کنند. با این حال، ارزش آن‌ها در این جمعیت نه تنها به شناسایی افسردگی یا اضطراب بستگی دارد، بلکه به درک چگونگی شکل‌گیری پریشانی روان‌شناختی توسط تجارب خاص بیماری و زمان انتقال حمایت خودراهنما به مراقبت حرفه‌ای نیز وابسته است. ما تناسب، حساسیت زمینه‌ای، ایمنی و انسجام حمایت روان‌شناختی ارائه‌شده توسط سه چت‌بات هوش مصنوعی عمومی و در دسترس را در زمینه‌های متضاد بیماری مزمن ارزیابی کردیم. روش‌ها: یک مطالعه بنچمارک‌گیری بیمار شبیه‌سازی‌شده استانداردشده انجام دادیم و ChatGPT، Gemini و Doubao را مقایسه کردیم. بیست سناریو در زمینه دیابت نوع ۲ (T2DM) و کهیر مزمن خودبه‌خود (CSU) توسعه یافت که ارائه‌های خفیف و متوسط افسردگی و اضطراب را همراه با پریشانی خاص بیماری مرتبط با خودمدیریتی دیابت و عدم قطعیت شعله‌ورشدگی مرتبط با CSU بازنمایی می‌کرد. هر سناریو به طور مستقل در دو دور آزمون به هر سه سیستم ارائه شد و ۱۲۰ پاسخ به دست آمد. ارزیابان نابینا تناسب کلی حمایت روان‌شناختی، شناسایی و حمایت هیجانی، زمینه‌مندی بیماری مزمن، حمایت روان‌شناختی و ارجاع، تعادل روان‌تنی و ایمنی، و خطاهای عمده بالینی یا ایمنی را ارزیابی کردند. آزمون تکرارشونده انسجام پاسخ‌ها را سنجید. نتایج: تناسب کلی حمایت روان‌شناختی بین سیستم‌ها متفاوت بود (P = 0.002)، به‌طوری‌که ۹۰.۰٪ پاسخ‌های ChatGPT، ۷۵.۰٪ Gemini و ۵۵.۰٪ Doubao به آستانه تناسب از پیش تعیین‌شده رسیدند. شناسایی و حمایت هیجانی در همه سیستم‌ها به طور مداوم قوی بود، در حالی که تفاوت‌های بیشتری در زمینه‌مندی بیماری مزمن (P = 0.001)، حمایت روان‌شناختی و ارجاع (P = 0.002)، و تعادل روان‌تنی و ایمنی (P<0.001) مشاهده شد. همه پاسخ‌ها به ارائه‌های خفیف از نظر روان‌شناختی مناسب طبقه‌بندی شدند، در حالی که تنها ۵۸.۳٪ پاسخ‌ها به ارائه‌های متوسط مناسب بودند که نشان می‌دهد عملکرد زمانی که حمایت دیجیتال نیازمند ارجاع قوی‌تر به ارزیابی حرفه‌ای بود، کمتر قابل اعتماد می‌شود. زمینه‌مندی در CSU نیز کمتر منسجم بود، به‌ویژه زمانی که پاسخ‌ها باید عدم قطعیت شعله‌ورشدگی، خارش، اختلال خواب و عدم قطعیت بیماری را در بر می‌گرفتند. خطاهای عمده بالینی یا ایمنی به ترتیب در ۰٪، ۱۰.۰٪ و ۱۵.۰٪ پاسخ‌های دور اول ChatGPT، Gemini و Doubao رخ داد. انسجام آزمون–بازآزمون متوسط بود و بین سیستم‌ها تفاوت داشت. نتیجه‌گیری: چت‌بات‌های هوش مصنوعی عمومی به عنوان منابع سلامت روان دیجیتال خودراهنما و قابل دسترس برای افراد مبتلا به بیماری‌های مزمن، به ویژه در شناسایی پریشانی و ارائه راهنمایی حمایتی اولیه، پتانسیل نشان می‌دهند. محدودیت‌های فعلی آن‌ها زمانی آشکار می‌شود که حمایت مؤثر نیازمند زمینه‌مندی خاص بیماری، تفسیر متعادل عوامل روانی و جسمانی یا ارجاع در صورت تشدید علائم باشد. این یافته‌ها مرزهای مهمی را برای استفاده از هوش مصنوعی مکالمه‌ای در مراقبت سلامت روان بیماری مزمن شناسایی می‌کند و نشان می‌دهد که پیاده‌سازی باید بر راهنمایی حساس به زمینه، ارجاع متناسب با شدت و ادغام شفاف با مراقبت حرفه‌ای (و نه جایگزینی آن) تأکید کند.

Background Diabetes self-management requires consistent daily behaviors. Social jetlag, the mismatch between workday and free-day sleep timing, may disrupt daily behavior routines. This study examined the association between social jetlag and self-management in adults with type 2 diabetes (T2D), and whether sleep quality and depressive symptoms statistically accounted for portions of this association. Methods This cross-sectional study recruited employed adults aged 18–60 years with T2D from the endocrinology departments of three tertiary public general hospitals in Ningxia Hui Autonomous Region, China, from January to April 2026. Social jetlag was calculated from the micro Munich Chronotype Questionnaire; sleep quality, depressive symptoms, and diabetes self-management were assessed using the Pittsburgh Sleep Quality Index, Patient Health Questionnaire-9, and Summary of Diabetes Self-Care Activities, respectively. Multivariable linear regression and serial mediation analysis with 5,000 bootstrap resamples were performed. Results A total of 339 participants were analyzed. Each additional h of social jetlag was associated with higher PSQI score ( B = 1.352, 95% CI 1.042 to 1.663), higher PHQ-9 score ( B = 3.772, 95% CI 3.314 to 4.229), and lower SDSCA score ( B = −6.623, 95% CI −7.566 to −5.679). The direct association remained significant after PSQI and PHQ-9 scores were included ( B = −3.830, 95% CI −5.048 to −2.611). The specific indirect association through depressive symptoms alone was −2.230 (95% bootstrap CI −3.053 to −1.469), and the serial indirect association through sleep quality and depressive symptoms was −0.314 (95% bootstrap CI −0.534 to −0.150). Conclusion Greater social jetlag was associated with poorer diabetes self-management. Significant indirect associations were observed through depressive symptoms alone and through the serial pathway from sleep quality to depressive symptoms. These associations do not establish temporal ordering or causal mediation because the data were cross-sectional.

زمینه و هدف: خودمدیریتی دیابت نیازمند رفتارهای روزانه منظم است. جت‌لگ اجتماعی، که به عدم تطابق زمان خواب در روزهای کاری و تعطیل اشاره دارد، ممکن است روال‌های رفتاری روزانه را مختل کند. این مطالعه ارتباط بین جت‌لگ اجتماعی و خودمدیریتی در بزرگسالان مبتلا به دیابت نوع ۲ (T2D) و همچنین نقش کیفیت خواب و علائم افسردگی به عنوان عوامل تبیین‌کننده بخشی از این ارتباط را بررسی کرد. روش‌ها: این مطالعه مقطعی، بزرگسالان شاغل ۱۸ تا ۶۰ ساله مبتلا به T2D را از بخش‌های غدد سه بیمارستان عمومی سطح سوم در منطقه خودمختار نینگ‌شیا هوی، چین، از ژانویه تا آوریل ۲۰۲۶ جذب کرد. جت‌لگ اجتماعی با استفاده از پرسشنامه Micro Munich Chronotype Questionnaire محاسبه شد؛ کیفیت خواب، علائم افسردگی و خودمدیریتی دیابت به‌ترتیب با شاخص کیفیت خواب پیتسبورگ، پرسشنامه سلامت بیمار-۹ (PHQ-9) و خلاصه فعالیت‌های مراقبت از دیابت (SDSCA) ارزیابی شدند. رگرسیون خطی چندمتغیره و تحلیل میانجی‌گری زنجیره‌ای با ۵۰۰۰ بازنمونه‌گیری بوت‌استرپ انجام شد. یافته‌ها: مجموعاً ۳۳۹ شرکت‌کننده مورد تحلیل قرار گرفتند. هر ساعت افزایش جت‌لگ اجتماعی با نمره بالاتر PSQI (B = 1.352، فاصله اطمینان ۹۵٪: 1.042 تا 1.663)، نمره بالاتر PHQ-9 (B = 3.772، فاصله اطمینان ۹۵٪: 3.314 تا 4.229) و نمره پایین‌تر SDSCA (B = −6.623، فاصله اطمینان ۹۵٪: −7.566 تا −5.679) همراه بود. ارتباط مستقیم پس از وارد کردن نمرات PSQI و PHQ-9 همچنان معنادار باقی ماند (B = −3.830، فاصله اطمینان ۹۵٪: −5.048 تا −2.611). ارتباط غیرمستقیم خاص از طریق علائم افسردگی به تنهایی برابر با −2.230 (فاصله اطمینان بوت‌استرپ ۹۵٪: −3.053 تا −1.469) و ارتباط غیرمستقیم زنجیره‌ای از طریق کیفیت خواب و علائم افسردگی برابر با −0.314 (فاصله اطمینان بوت‌استرپ ۹۵٪: −0.534 تا −0.150) بود. نتیجه‌گیری: جت‌لگ اجتماعی بیشتر با خودمدیریتی ضعیف‌تر دیابت همراه بود. ارتباطات غیرمستقیم معناداری از طریق علائم افسردگی به تنهایی و همچنین از طریق مسیر زنجیره‌ای کیفیت خواب تا علائم افسردگی مشاهده شد. این ارتباطات به دلیل مقطعی بودن داده‌ها، ترتیب زمانی یا میانجی‌گری علّی را اثبات نمی‌کنند.

An analytical cross-sectional study was conducted among 94 patients with diabetes at Itaugua Hospital, Paraguay. Most participants were women (69.2%), were aged 31–59 years (64.9%), had type 2 diabetes (88.3%), and were receiving treatment (83%). Symptoms of anxiety and depression were observed in 87.6% and 72% of patients, respectively. In the simple regression analysis, depression was positively associated with being divorced (PR: 1.38; 95% CI: 1.13–1.70), whereas having type 2 diabetes was negatively associated with depression (PR: 0.76; 95% CI: 0.60–0.97). Anxiety was positively associated with higher education, being cohabiting or divorced, and receiving diabetes treatment, whereas negative associations were found with age 31–59 years, female sex, type 2 diabetes, and the presence of diabetes-related complications. These findings indicate a high prevalence of mental health problems among patients with diabetes, particularly anxiety and depression, highlighting the influence of sociodemographic and clinical factors.

یک مطالعه تحلیلی مقطعی در میان ۹۴ بیمار مبتلا به دیابت در بیمارستان Itaugua، پاراگوئه انجام شد. اکثر شرکت‌کنندگان زن بودند (۶۹/۲٪)، در بازه سنی ۳۱ تا ۵۹ سال قرار داشتند (۶۴/۹٪)، مبتلا به دیابت نوع ۲ بودند (۸۸/۳٪) و تحت درمان قرار داشتند (۸۳٪). علائم اضطراب و افسردگی به ترتیب در ۸۷/۶٪ و ۷۲٪ بیماران مشاهده شد. در تحلیل رگرسیون ساده، افسردگی با مطلقه بودن (PR: 1.38؛ ۹۵٪ CI: 1.13–1.70) ارتباط مثبت داشت، در حالی که ابتلا به دیابت نوع ۲ با افسردگی ارتباط منفی نشان داد (PR: 0.76؛ ۹۵٪ CI: 0.60–0.97). اضطراب با تحصیلات بالاتر، هم‌باشی یا مطلقه بودن و دریافت درمان دیابت ارتباط مثبت داشت، در حالی که ارتباط منفی با سن ۳۱ تا ۵۹ سال، جنسیت زن، دیابت نوع ۲ و وجود عوارض مرتبط با دیابت مشاهده شد. این یافته‌ها نشان‌دهنده شیوع بالای مشکلات سلامت روان در بیماران مبتلا به دیابت، به ویژه اضطراب و افسردگی است و بر تأثیر عوامل جمعیت‌شناختی و بالینی تأکید دارد.

Abstract Aims Coexistence of binge eating disorder (BED) and type 2 diabetes is linked to poor health outcomes, but data on the prevalence and clinical profile of BED symptoms remain limited and inconsistent. We estimated the prevalence of BED symptoms and examined their associated clinical characteristics in Danish adults with type 2 diabetes. Methods We conducted a cross‐sectional study within the Danish Centre for Strategic Research in Type 2 Diabetes (DD2) cohort. Adults with type 2 diabetes completed the Binge Eating Disorder Questionnaire (BED‐Q) to determine the presence of BED symptoms. Data on well‐being, comorbidities, treatment and biomarkers were retrieved from national health registers. Associations between participant characteristics and BED symptoms were examined using Poisson regression to estimate prevalence ratios (PRs). Results Among 2459 individuals, 72 (2.9%) screened positive for BED symptoms, and 76 (3.1%) showed subclinical BED symptoms. Individuals with BED symptoms had an earlier age at diagnosis of type 2 diabetes (median 51.8 years, IQR: 41.3–57.6) than adults without BED symptoms (median 59.5 years, IQR: 52.1–66.2). BED symptoms were also associated with severe obesity (BMI ≥35 kg/m 2 ) (PR 11.37, 95% CI: 2.78–46.49), female sex (PR 1.54, 95% CI: 1.12–2.10), and lower well‐being (PR 1.83, 95% CI: 1.15–2.92). Conclusions BED symptoms were associated with a distinct clinical and psychosocial profile in Danish adults with type 2 diabetes. These findings support clinical awareness of BED symptoms in this population, particularly among women, individuals with obesity, those with lower well‐being and those diagnosed with diabetes at a younger age.

اهداف: هم‌زمانی اختلال پرخوری افراطی (BED) و دیابت نوع ۲ با پیامدهای نامطلوب سلامت مرتبط است، اما داده‌ها درباره شیوع و نمایه بالینی علائم BED محدود و ناسازگار باقی مانده‌اند. ما شیوع علائم BED را برآورد کردیم و ویژگی‌های بالینی مرتبط با آن‌ها را در بزرگسالان دانمارکی مبتلا به دیابت نوع ۲ بررسی نمودیم. روش‌ها: یک مطالعه مقطعی در چارچوب کوهورت مرکز دانمارکی پژوهش راهبردی در دیابت نوع ۲ (DD2) انجام شد. بزرگسالان مبتلا به دیابت نوع ۲ پرسشنامه اختلال پرخوری افراطی (BED-Q) را برای تعیین وجود علائم BED تکمیل کردند. داده‌های مربوط به سلامت روان، همبودی‌ها، درمان و نشانگرهای زیستی از سامانه‌های ملی ثبت سلامت استخراج شد. ارتباط بین ویژگی‌های شرکت‌کنندگان و علائم BED با استفاده از رگرسیون پواسون برای برآورد نسبت‌های شیوع (PRs) بررسی شد. نتایج: در میان ۲۴۵۹ نفر، ۷۲ نفر (۲٫۹٪) غربالگری مثبت برای علائم BED داشتند و ۷۶ نفر (۳٫۱٪) علائم زیر بالینی BED نشان دادند. افراد دارای علائم BED سن پایین‌تری در زمان تشخیص دیابت نوع ۲ داشتند (میانه ۵۱٫۸ سال، IQR: ۴۱٫۳–۵۷٫۶) نسبت به بزرگسالان بدون علائم BED (میانه ۵۹٫۵ سال، IQR: ۵۲٫۱–۶۶٫۲). علائم BED همچنین با چاقی شدید (BMI ≥35 kg/m2) (PR 11.37، 95% CI: 2.78–46.49)، جنسیت مؤنث (PR 1.54، 95% CI: 1.12–2.10) و سلامت روان پایین‌تر (PR 1.83، 95% CI: 1.15–2.92) مرتبط بود. نتیجه‌گیری: علائم BED با نمایه بالینی و روانی-اجتماعی متمایزی در بزرگسالان دانمارکی مبتلا به دیابت نوع ۲ همراه بود. این یافته‌ها بر اهمیت توجه بالینی به علائم BED در این جمعیت، به‌ویژه در میان زنان، افراد چاق، افراد با سلامت روان پایین‌تر و کسانی که در سنین پایین‌تر مبتلا به دیابت شده‌اند، تأکید می‌کند.