Attitudes towards mental health, mental health research and digital interventions by young adults with type 1 diabetes: A qualitative analysis
Notice bibliographique
Résumé
BACKGROUND: Young people with type 1 diabetes are at increased risk of mental disorders. Whereas treatment need is high, difficulty recruiting young people with type 1 diabetes into psychosocial studies complicates development, testing and dissemination of these interventions. OBJECTIVE: Interviews with young adults with type 1 diabetes were conducted to examine attitudes towards mental health and mental health research, including barriers and motivators to participation in mental health studies and preferred sources of mental health support. The interviews were audio-taped, transcribed and evaluated via thematic analysis. SETTING AND PARTICIPANTS: Young adults with type 1 diabetes were recruited via social media channels of 3 advocacy organizations. A total of 31 young adults (26 females and 5 males) with an average age of 22 years were interviewed between October 2015 and January 2016. RESULTS: Participants were largely unaware of their increased vulnerability to common mental health problems and knew little about mental health research. Major barriers to participation included perceived stigma and lifestyle issues and low levels of trust in researchers. Opportunities to connect with peers and help others were described as key motivators. Psychological distress was considered normal within the context of diabetes. A need for some level of human contact in receiving psychosocial support was expressed. DISCUSSION AND CONCLUSION: Findings provide valuable insights into the complex dynamics of engaging young adults with type 1 diabetes in mental health studies. Interviewees provided practical suggestions to assist investigation and delivery of psychosocial interventions for this vulnerable group.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| 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 ».