Web-Based and mHealth Technologies to Support Self-Management in People Living With Type 2 Diabetes: Validation of the Diabetes Self-Management and Technology Questionnaire (DSMT-Q)
Notice bibliographique
Résumé
BACKGROUND: A growing number of web-based and mobile health (mHealth) technologies have been developed to support type 2 diabetes self-management. Little is known about individuals' experiences with these technologies and how they support self-management. Appropriate tools are needed to understand how web-based and mHealth interventions may impact self-management. OBJECTIVE: This study aimed to develop an instrument, the Diabetes Self-Management and Technology Questionnaire (DSMT-Q), to assess self-management among people living with type 2 diabetes who use web-based and mHealth technologies. METHODS: A total of 36 candidate questionnaire items, drafted previously, were refined using cognitive debriefing interviews (n=8), expert consultation, and public patient involvement feedback. Item reduction steps were performed on survey data (n=250), and tests of validity and reliability were subsequently performed. RESULTS: Following amendments, patients and experts found 21 items relevant and acceptable for inclusion in the instrument. Survey participants included 104 (41.6%) women and 146 (58.4%) men. Two subscales with high construct validity, internal consistency, and test-retest reliability were identified: "Understanding individual health and making informed decisions" and "Confidence to reach and sustain goals." CONCLUSIONS: Analyses confirmed good psychometric properties in the DSMT-Q scales. This tool will facilitate the measurement of self-management in people living with type 2 diabetes who use web-based or mHealth technologies.
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 | 0,015 | 0,027 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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 ».