MétaCan
Menu
Retour à la cohorte
Enregistrement W2917165792 · doi:10.2196/10992

Impact of New Technologies for Middle-Aged and Older Patients: In-Depth Interviews With Type 2 Diabetes Patients Using Continuous Glucose Monitoring

2019· article· en· W2917165792 sur OpenAlex
Ching‐Ju Chiu, Yu-Hsuan Chou, Yen-Ju Chen, Ye‐Fong Du

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.

venuePublié dans une revue dont le pays d'attache est le Canada.
no affAucune affiliation canadienne : ce travail est invisible pour une base fondée sur la seule affiliation.
Aucune affiliation canadienne. Une base fondée sur la seule affiliation (le devis habituel) n'aurait jamais vu ce travail. C'est l'un des travaux qui justifient l'inversion de la base.

Notice bibliographique

RevueJMIR Diabetes · 2019
Typearticle
Langueen
DomaineMedicine
ThématiqueDiabetes Management and Research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésGlycated hemoglobinMedicineDiabetes mellitusType 1 diabetesFeelingDiabetes managementContinuous glucose monitoringBlood glucose monitoringBlood Glucose Self-MonitoringType 2 diabetesSelf-monitoringPhysical therapyPsychologySocial psychology

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Continuous glucose monitoring (CGM) uses subcutaneous sensors and records the average interstitial sensor current every 5 min in the recorder; data are subsequently exported to a computer 4 to 7 days later when calibration with self-measured blood glucose is made retrospectively. How middle-aged and older patients perceive the added technology intervention is not clear. OBJECTIVE: The study aimed to understand the factors associated with the adoption of new technology in diabetes care, to understand the feelings and behaviors while using it, and to determine the changes in attitudes and behavior after completing the use of the new technology at the 3-month follow-up. METHODS: Middle-aged and older type 2 diabetes patients who had received professional continuous glucose monitoring (iPro 2 [Medtronic]) were invited for semistructured in-depth interviews on the day of the CGM sensor removal and at 3 months after CGM-based counseling. A phenomenography approach was used to analyze the interview data. RESULTS: A total of 20 type 2 diabetes patients (aged 53 to 72 years, 13 males and 7 females, 4 to 40 years duration of diabetes, mean glycated hemoglobin 8.54% [SD 0.71%]) completed 2 sections of semistructured in-depth interviews. Physician guidance and participant motivation toward problem solving were found to be factors associated with adoption of the device. Participants indicated that technology can be a reminder, a supervisor, and a visualizer of blood glucose, all of which are helpful for disease management. However, CGM is somewhat inconvenient, and some participants also reported that the provision of this new technology might be a hint of disease progression. There was a higher percentage of women compared with men who reported that CGM can be a reminder or a supervisor to help them with diet control. CONCLUSIONS: Physician guidance and participants' degree of motivation are keys to adopting new technology in the case of middle-aged and older adults. Although the CGM sensor may cause inconvenience to patients on their limited body movement when wearing the device, it is helpful for diet control and is an effective behavioral modification tool that offers support, especially in the case of women.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,053
Score d'incertitude au seuil0,658

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,030
Tête enseignante GPT0,314
Écart entre enseignants0,284 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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