Identifying solutions to psychological insulin resistance: An international study
Notice bibliographique
Résumé
AIMS: To identify actions of healthcare professionals (HCPs) that facilitate the transition to insulin therapy (IT) in type 2 diabetes (T2D) adults. METHODS: Included were T2Ds in seven countries (n = 594) who reported initial IT reluctance but eventually began IT. An online survey included 38 possible HCP actions: T2Ds indicated which may have occurred and their helpfulness. Also reported were delays in IT start after initial recommendation and any period of IT discontinuation. RESULTS: Exploratory factor analysis of HCP actions yielded five factors: "Explained Insulin Benefits" (EIB), "Dispelled Insulin Myths" (DIM), "Demonstrated the Injection Process" (DIP), "Collaborative Style" (CS) and "Authoritarian Style" (AS). Highest levels of helpfulness occurred for DIP, EIB and CS; lowest for AS. Participants who rated DIP as helpful were less likely to delay IT than those who rated DIP as less helpful (OR = 0.75, p = 0.01); participants who rated CS and EIB as helpful were less likely to interrupt IT than those who rated these as less helpful (OR = 0.55, p < 0.01; OR = 0.51, p = 0.01, respectively). CONCLUSIONS: Three key HCP actions to facilitate IT initiation were identified as helpful and were associated with more successful initiation and persistence. These findings may aid the development of interventions to address reluctance to initiating IT.
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 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».