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 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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».