When qualitative data contradict quantitative data: diabetes distress in the Chinese‐Canadian community
Notice bibliographique
Résumé
AIMS: To use both quantitative and qualitative approaches to characterize the diabetes distress profile of Chinese-Canadians with Type 2 diabetes and to better understand their experience of living with diabetes. METHODS: We recruited 40 Chinese-Canadian adults with Type 2 diabetes who completed a Mandarin- or Cantonese-language diabetes education programme in Richmond, British Columbia. Using a mixed-methods sequential explanatory research design, participants first completed a 15-item Chinese version of the Diabetes Distress Scale, which included three subscales: emotional burden, regimen-related distress, and physician distress. The self-report survey was followed by a semi-structured interview that addressed the following diabetes-related topics: perspectives towards the healthcare team, emotional health, diabetes-related concerns and stressors, diabetes diagnosis experience, and sources of social support and diabetes education. RESULTS: The mean (sd) scores for total distress 1.5 (0.5), emotional burden 1.7 (0.7), regimen-related distress 1.4 (0.5), and physician distress 1.4 (0.9), fell within the 'low distress' range (< 2.0). Qualitative analysis of semi-structured interviews showed that some participants were dissatisfied with diabetes care providers and experienced emotional challenges, particularly early in their diagnosis. Other themes that emerged included eating distress, fear of complications, language barriers, and medication concerns. CONCLUSIONS: Not only did the qualitative findings from semi-structured interviews capture aspects of diabetes distress that were not included in the quantitative survey, it also uncovered inconsistencies between the two datasets. To more accurately understand the diabetes distress experience of any ethnic community, both quantitative and qualitative approaches contribute unique value.
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 | 0,006 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,002 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».