The cultural practices of Bamar diabetic patients: An ethnographic study
Notice bibliographique
Résumé
Background Many qualitative studies on the feelings and lived experiences of diabetic patients have already been conducted in European and Asian countries. However, little is known about the cultural practices of diabetic patients among the Bamar population of Myanmar. Aim The aim of this study was to explore the cultural practices of Bamar diabetic patients in Myanmar. Methods The conceptual framework of this ethnographic study was based on Spradley's ethnographic theory and Leininger's cultural care theory. Seven participants who met the preset criteria were purposively selected from Anawmar quarter, Tharkayta Township, Yangon. Their cultural practices were studied through participant observations, ethnographic interviews and writing field notes. Collected data were analyzed step-by-step using Creswell's data analysis method. Findings The nine main themes that emerged were: reasons for late awareness of diabetes, misconceptions, cultural beliefs and practices, non-adherence, cultural influences on controlling diet, limitations in physical activities, suffering of living with diabetes, emotional reactions and coping by way of religious or spiritual beliefs. Fourty-six subthemes support the main themes. Discussion It was found that Bamar diabetics in this study were being strongly influenced by cultural beliefs and practices on treatment choice and controlling diet. They believed that diabetes is a curable disease, and its cause is due to cultural factors such as karma from either a previous or their current life. Bamar diabetic patients in this study used a variety of medicinal plants and traditional medicines due to availability at affordable prices. Conclusion Although some cultural beliefs are not harmful, some have detrimental effects on these patients' health. Hopefully, this study may provide information which can reduce cultural influences on Bamar diabetic patients. The results of this study highlight patients' needs for nursing personnel when it comes to providing effective culturally-tailored care.
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 | 0,003 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,006 | 0,003 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».