Contextualizing the proven effectiveness of a lifestyle intervention for type 2 diabetes in primary care: A qualitative assessment using re-aim
Notice bibliographique
Résumé
Objective: The Healthy Eating and Active Living for Diabetes in Primary Care Networks (HEALD) intervention proved effective in increasing daily physical activity among people with type 2 diabetes in four community-based Primary Care Networks (PCNs) in Alberta. Here, we contextualize its effectiveness by describing implementation fidelity and PCN staff's perceptions of its success in improving diabetes management. Methods: We used the RE-AIM framework to evaluate HEALD. Qualitative methods used to collect data related to the RE-AIM dimensions of Implementation and Effectiveness included interviews with PCN staff (n=24), research team reflections (n=4) and systematic documentation. We used content analysis, and data were imported into and managed using Nvivo 10. Results: HEALD was implemented as intended with adequate fidelity across all four PCNs. Identified implementation facilitators included appropriate human resources, training provided, ongoing support, provision of space and simplicity of the intervention. However, PCN staff reported varying opinions regarding its potential for improving diabetes management among patients. Rationales for their views included: intervention "dose" inadequacy, quality of usual care for people with diabetes was already good, patients were already managing their diabetes well and potential for co-intervention. Recommended improvements to HEALD included increasing the dose of the intervention, expanding it to other modes of exercise and incorporating a medical clearance process. Conclusions: Based on the high degree of fidelity, the demonstrated effectiveness of HEALD in improving physical activity among patients was a result of sound implementation of an efficacious intervention. Increasing the dose of HEALD could result in additional improvements for patients.Acknowledgments: This work was supported in part by a contract from Alberta Health, a grant from the Lawson Foundation and a Canadian Institutes for Health Research (CIHR) Team Grant to the Alliance for Canadian Health Outcomes Research in Diabetes sponsored by the CIHR Institute of Nutrition, Metabolism and Diabetes.
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 | 0,051 | 0,052 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,007 | 0,009 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,006 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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 ».