Preferences of Persons with Type 2 Diabetes for Diabetes Self-Management Education Interventions: An Exploration
Notice bibliographique
Résumé
Objectives: Treatment preferences affect treatment engagement, adherence and outcomes. There is limited knowledge of patients’ preferences for Diabetes Self-Management Education (DSME). This study explored the preferences of Canadians with diabetes for components, mode and dose for implementing DSME interventions. Methods: A cross-sectional design was used. Adults with diabetes completed a questionnaire to assess participants’ preferences for components (i.e. content), mode (i.e. teaching strategies, delivering formats) and dose (i.e. number and length of sessions) of DSME. Descriptive statistics were used to analyze the data. Results: Participants (n = 100) were middle-aged men and women, who had diabetes for 6.1 years and previously received (95.0%) DSME. They indicated preference for DSME to include a combination of educational, behavioral and psychological components; to be delivered in individual, face-to-face sessions (4 sessions, 60 minutes each, given monthly) that allowed discussion with one diabetes educator to develop and carry out a care plan. Conclusions: Diabetes educators may consider eliciting patient’s preferences and tailoring DSME to fit patients’ preferences. Delivering interventions that are consistent with patients’ preferences increases their motivation to engage in intervention, satisfaction and adherence to treatment and achievement of desired outcomes.
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 | 0,000 |
| 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 | 0,001 |
| 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 ».