T1-REDEEM—An RCT to Reduce Diabetes Distress in Adults with Type 1 Diabetes
Notice bibliographique
Résumé
Diabetes distress (DD) refers to the fears, worries and burdens associated with the diabetes experience. DD is common, is distinct from depression, and has been associated with glycemic level and disease management. T1-REDEEM (Type1-Reducing Distress and Enhancing Effective Management) was an RCT that compared two interventions to reduce DD among adults with type 1 diabetes (T1D). After baseline assessment, participants were randomized to either KnowIt, a diabetes education and management program, or OnTrack, which focused on recognizing, normalizing and addressing DD. Both programs involved a 1-day group workshop followed by four 1-hour online group meetings over 3 months. Recruitment occurred at clinic and community sites in three Western U.S. states and Toronto, Canada. Inclusion criteria were T1D ≥ 12 months, elevated DD (≥ 2.0 on the Diabetes Distress Scale), age ≥ 21 years, HbA1C ≥ 7.5% (58 mmol/mol), and English speaking. Regression models analyzed change in DD and HbA1C at 3 and 9 months; missing values were imputed. Nine-month retention was 87% (N = 301 at baseline). DD was significantly reduced in both study arms (p < .001) at 3 months, with modest additional improvements at 9 months (p < .02). Between-group differences were nonsignificant. However, significant group-by-baseline level interactions for key variables revealed for whom the two interventions were most effective: OnTrack led to significantly greater reductions in DD than KnowIt for those with higher DD, poorer emotion regulation, poorer problem-solving skills, and higher knowledge at baseline; KnowIt led to significantly greater DD reductions for those with lower diabetes knowledge at baseline. There was a modest decrease in HbA1C at 3 months (p = .05) that did not differ by group. Findings suggest that effective interventions to address DD must focus on the emotional side of diabetes, especially for participants with high DD, poor emotion regulation skills, poor problem-solving abilities, and different levels of diabetes knowledge. Disclosure L. Fisher: Consultant; Self; Eli Lilly and Company, Abbott, Merck & Co., Inc. D.M. Hessler: Consultant; Self; Eli Lilly and Company. W. Polonsky: Consultant; Self; Abbott, AstraZeneca, Dexcom, Inc., Sanofi, Novo Nordisk Inc., Eli Lilly and Company, Intarcia Therapeutics, Inc., Servier, Ascensia Diabetes Care, Merck & Co., Inc., MannKind Corporation, Glooko, Inc., Roche Diabetes Care Health and Digital Solutions. U. Masharani: None. S. Guzman: Consultant; Self; TypeZero Technologies, Inc.. Board Member; Self; Behavioral Diabetes Institute. Consultant; Self; Becton, Dickinson and Company. V. Bowyer: None. L.A. Strycker: None.
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 | 0,004 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 0,001 |
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 ».