Patients’ expectations and solutions for improving primary diabetes care
Notice bibliographique
Résumé
Purpose The purpose of this paper is to document health care needs expressed by people living with diabetes, describe the solutions they envisaged for improving the quality of primary care (PC) services and empower them to make better use of PC services. Design/methodology/approach A participatory research approach was used. Six workshops were organised to provide diabetes patients with knowledge on available services and to engage them in sharing their experience. Group discussions were recorded. Data were analysed using the thematic analysis method. Findings In total, 79 persons living with diabetes for a mean of 13 years participated. Needs expressed were grouped under seven themes: assurance of satisfactory follow-up by a family physician, continuous access to services adapted to evolving needs, motivation to adopt and maintain healthy behaviours, maintenance of knowledge about diabetes, psychological support, financial constraints, and collaboration with secondary-level services. Patients proposed solutions for improving services that were grouped under five themes: facilitating access to services, disseminating information about available services, centralising diabetes information on the internet, offering personalised services and improving interprofessional collaboration. Practical implications Needs expressed by diabetic patients concern different aspects of care such as accessibility, organisation, coordination, and better dissemination and visibility of services. The solutions proposed by patients focussed on better access to information and interprofessional services. Originality/value The workshop format used in this study offers an original and interesting approach and tool for actively engaging patients in quality improvement of services.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 ».