T1-REDEEM: A Randomized Controlled Trial to Reduce Diabetes Distress Among Adults With Type 1 Diabetes
Notice bibliographique
Résumé
OBJECTIVE To compare the effectiveness of two interventions to reduce diabetes distress (DD) and improve glycemic control among adults with type 1 diabetes (T1D). RESEARCH DESIGN AND METHODS Individuals with T1D (n = 301) with elevated DD and HbA1c were recruited from multiple settings and randomly assigned to OnTrack, an emotion-focused intervention, or to KnowIt, an educational/behavioral intervention. Each group attended a full-day workshop plus four online meetings over 3 months. Assessments occurred at baseline and 3 and 9 months. Primary and secondary outcomes were change in DD and change in HbA1c, respectively. RESULTS With 12% attrition, both groups demonstrated dramatic reductions in DD (effect size d = 1.06; 78.4% demonstrated a reduction of at least one minimal clinically important difference). There were, however, no significant differences in DD reduction between OnTrack and KnowIt. Moderator analyses indicated that OnTrack provided greater DD reduction to those with initially poorer cognitive or emotion regulation skills, higher baseline DD, or greater initial diabetes knowledge than those in KnowIt. Significant but modest reductions in HbA1c occurred with no between-group differences. Change in DD was modestly associated with change in HbA1c (r = 0.14, P = 0.01), with no significant between-group differences. CONCLUSIONS DD can be successfully reduced among distressed individuals with T1D with elevated HbA1c using both education/behavioral and emotion-focused approaches. Reductions in DD are only modestly associated with reductions in HbA1c. These findings point to the importance of tailoring interventions to address affective, knowledge, and cognitive skills when intervening to reduce DD and improve glycemic control.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 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) | 0,001 | 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 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 ».