Diabetes Educators’ Intended and Reported Use of Common Diabetes-Related Technologies
Notice bibliographique
Résumé
BACKGROUND: Technology provides adjuvant and/or alternative approaches to care and may promote self-care, communication, and engagement with health care services. Common recent technologies for diabetes include continuous subcutaneous insulin infusions (insulin pumps), continuous glucose monitoring systems, smartphone and tablet applications, and telehealth (video conferencing). This study reports Australian diabetes educators' intentions and reported professional use of these technologies for people with type 1 diabetes, and factors predictive of this. METHODS: An anonymous, web-based questionnaire based on the technology acceptance model was distributed to members of the Australian Diabetes Educators Association through their electronic newsletter. Exploratory factor analysis revealed a 5-factor solution comprising confidence and competence, improving clinical practice, preparation (intentions and training), ease of use, and subjective norms. Logistic regression analyses identified factors predicting intention and use of technology. RESULTS: Respondents (n = 228) had high intentions to use technology. The majority reported using continuous subcutaneous insulin infusions, continuous glucose monitoring systems, and applications with patients, but usage was occasional. Confidence and competence independently predicted both intentions and use of all 4 technologies. Preparation (intentions and training) independently predicted use of each technology also. CONCLUSIONS: Discrepancies and dissonance appear between diabetes educators' intentions and behavior (intentions to use and reported technology use). Intentions were higher than current use, which was relatively low and not likely to provide significant support to people with type 1 diabetes for disease management, communication, and engagement with health care services. Continuing education and experiential learning may be key in supporting diabetes educators to align their intentions with their practice.
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 | 0,002 | 0,017 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».