Diabetes Attitudes, Wishes and Needs second study (DAWN2™): Cross‐national benchmarking of diabetes‐related psychosocial outcomes for people with diabetes
Notice bibliographique
Résumé
AIMS: The second Diabetes Attitudes, Wishes and Needs (DAWN2) study aimed to assess psychosocial outcomes in people with diabetes across countries for benchmarking. METHODS: Surveys included new and adapted questions from validated questionnaires that assess health-related quality of life, self-management, attitudes/beliefs, social support and priorities for improving diabetes care. Questionnaires were conducted online, by telephone or in person. RESULTS: Participants were 8596 adults with diabetes across 17 countries. There were significant between-country differences for all benchmarking indicators; no one country's outcomes were consistently better or worse than others. The proportion with likely depression [WHO-5 Well-Being Index (WHO-5) score ≤ 28] was 13.8% (country range 6.5-24.1%). Diabetes-related distress [Problem Areas in Diabetes Scale 5 (PAID-5) score ≥ 40] was reported by 44.6% of participants (17.2-67.6%). Overall quality of life was rated 'poor' or 'very poor' by 12.2% of participants (7.6-26.1%). Diabetes had a negative impact on all aspects investigated, ranging from 20.5% on relationship with family/friends to 62.2% on physical health. Approximately 40% of participants (18.6-64.9%) reported that their medication interfered with their ability to live a normal life. The availability of person-centred chronic illness care and support for active involvement was rated as low. Following self-care advice for medication and diet was most common, and least common for glucose monitoring and foot examination, with marked country variation. Only 48.8% of respondents had participated in diabetes educational programmes/activities to help manage their diabetes. CONCLUSIONS: Cross-national benchmarking using psychometrically validated indicators can help identify areas for improvement and best practices to drive changes that improve outcomes for people with diabetes.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,006 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».