Improving Diabetes Management With a Patient Portal: A Qualitative Study of Diabetes Self-Management Portal
Notice bibliographique
Résumé
BACKGROUND: Effective management and care of diabetes is crucial to reducing associated risks such as heart disease and kidney failure. With increasing access and use of the Internet, online chronic disease management is being explored as a means of providing patients with support and the necessary tools to monitor and manage their disease. OBJECTIVE: The objective of our study was to evaluate the experience of patients and providers using an online diabetes management portal for patients. METHODS: Participants were recruited from a large sample population of 887 for a follow-up questionnaire to be completed after 6 months of using the patient portal. Participants were presented with the option to participate in an additional interview and, if the participant agreed, a time and date was scheduled for the interview. A 5-item, open-ended questionnaire was used to capture providers' opinions of the patient portal. Providers included general practitioners (GPs), nurses, nurse practitioners (NPs), dieticians, diabetes educators (DECs), and other clinical staff. RESULTS: A total of 854 patients were consented for the questionnaire. Seventeen (8 male, 9 female) patients agreed to participate in a telephone interview. Sixty-four health care providers completed the five open-ended questions; however, an average of 48.2 responses were recorded per question. Four major themes were identified and will be discussed in this paper. These themes have been classified as: facilitators of disease management, barriers to portal use, patient-provider communication and relationship, and recommendations for portal improvements. CONCLUSIONS: This qualitative study shows that online chronic disease management portals increase patient access to information and engagement in their health care, but improvements in the portal itself may improve usability and reduce attrition. Furthermore, this study identifies a grey area that exists in the roles that GPs and AHPs should play in the facilitation of online disease management.
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 | 0,015 | 0,021 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,007 | 0,006 |
| Communication savante | 0,004 | 0,004 |
| Science ouverte | 0,001 | 0,005 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».