Perceptions of Persons With Type 2 Diabetes Treated in Swedish Primary Health Care: Qualitative Study on Using eHealth Services for Self-Management Support
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: Digital health services are increasing rapidly worldwide. Strategies to involve patients in self-monitoring of type 2 diabetes (T2D) on a daily basis is of crucial importance, and there is a need to optimize the delivery of care such as self-management support. Digitalized solutions have the potential to modify and personalize the way in which people use primary health services, both by increasing access to information and providing other forms of support at a distance. It is a challenge to integrate core values of person-centered care into digitalized health care services. OBJECTIVE: The objective of this study was to describe perceptions of using electronic health (eHealth) services and related technologies for self-management support among people with T2D treated in Swedish primary health care. METHODS: This is a qualitative study based on interviews analyzed using qualitative content analysis conducted among people diagnosed with T2D. RESULTS: Findings suggest that the participants had mixed feelings regarding the use of digital health services for self-management support. They experienced potentials such as increased involvement, empowerment, and security, as well as concerns such as ambivalence and uncertainty. CONCLUSIONS: Digital health services for self-management are easily accessible and have the potential to reach a wide population. However, targeted training to increase digital skills is required, and personalized devices must be adapted and become more person-centered to improve patients' involvement in their own care.
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.
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 | 0,001 |
| Études des sciences et des technologies | 0,001 | 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 découle