A systematic literature review of diabetes self-management education features to improve diabetes education in women of Black African/Caribbean and Hispanic/Latin American ethnicity
Notice bibliographique
Résumé
OBJECTIVE: This systematic literature review aims to identify diabetes self-management education (DSME) features to improve diabetes education for Black African/Caribbean and Hispanic/Latin American women with Type 2 diabetes mellitus. METHODS: We conducted a literature search in six health databases for randomized controlled trials and comparative studies. Success rates of intervention features were calculated based on effectiveness in improving glycosolated hemoglobin (HbA1c), anthropometrics, physical activity, or diet outcomes. Calculations of rate differences assessed whether an intervention feature positively or negatively affected an outcome. RESULTS: From 13 studies included in our analysis, we identified 38 intervention features in relation to their success with an outcome. Five intervention features had positive rate differences across at least three outcomes: hospital-based interventions, group interventions, the use of situational problem-solving, frequent sessions, and incorporating dietitians as interventionists. Six intervention features had high positive rate differences (i.e. ≥50%) on specific outcomes. CONCLUSION: Different DSME intervention features may influence broad and specific self-management outcomes for women of African/Caribbean and Hispanic/Latin ethnicity. PRACTICAL IMPLICATIONS: With the emphasis on patient-centered care, patients and care providers can consider options based on DSME intervention features for its broad and specific impact on outcomes to potentially make programming more effective.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».