A Systematic Review of Interventions to Improve Diabetes Care in Socially Disadvantaged Populations
Notice bibliographique
Résumé
OBJECTIVE: To identify and synthesize evidence about the effectiveness of patient, provider, and health system interventions to improve diabetes care among socially disadvantaged populations. RESEARCH DESIGN AND METHODS: Studies that were included targeted interventions toward socially disadvantaged adults with type 1 or type 2 diabetes; were conducted in industrialized countries; were measured outcomes of self-management, provider management, or clinical outcomes; and were randomized controlled trials, controlled trials, or before-and-after studies with a contemporaneous control group. Seven databases were searched for articles published in any language between January 1986 and December 2004. Twenty-six intervention features were identified and analyzed in terms of their association with successful or unsuccessful interventions. RESULTS: Eleven of 17 studies that met inclusion criteria had positive results. Features that appeared to have the most consistent positive effects included cultural tailoring of the intervention, community educators or lay people leading the intervention, one-on-one interventions with individualized assessment and reassessment, incorporating treatment algorithms, focusing on behavior-related tasks, providing feedback, and high-intensity interventions (>10 contact times) delivered over a long duration (>or=6 months). Interventions that were consistently associated with the largest negative outcomes included those that used mainly didactic teaching or that focused only on diabetes knowledge. CONCLUSIONS: This systematic review provides evidence for the effectiveness of interventions to improve diabetes care among socially disadvantaged populations and identifies key intervention features that may predict success. These types of interventions would require additional resources for needs assessment, leader training, community and family outreach, and follow-up.
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 | 0,013 | 0,070 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,010 | 0,006 |
| Bibliométrie | 0,013 | 0,014 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,001 |
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 ».