Patients’ perspectives on how to improve diabetes care and self-management: qualitative study
Notice bibliographique
Résumé
OBJECTIVE: People living with diabetes need and deserve high-quality, individualised care. However, providing such care remains a challenge in many countries, including Canada. Patients' expertise, if acknowledged and adequately translated, could help foster patient-centred care. This study aimed to describe Expert Patients' knowledge, wisdom and advice to others with diabetes and to health professionals to improve diabetes self-management and care. DESIGN AND METHODS: We recruited a convenience sample of 21 men and women. Participants were people of diverse backgrounds who are Patient Partners in a national research network (hereafter Expert Patients). We interviewed and video-recorded their knowledge, wisdom and advice for health professionals and for others with diabetes. Three researchers independently analysed videos using inductive framework analysis, identifying themes through discussion and consensus. Expert Patients were involved in all aspects of study design, conduct, analysis and knowledge translation. RESULTS: Acknowledging and accepting the reality of diabetes, receiving support from family and care teams and not letting diabetes control one's life are essential to live well with diabetes. To improve diabetes care, health professionals should understand and acknowledge the impact of diabetes on patients and their families, and communicate with patients openly, respectfully, with empathy and cultural competency. CONCLUSION: Expert Patients pointed to a number of areas of improvement in diabetes care that may be actionable individually by patients or health professionals, and also collectively through intergroup collaboration. Improving the quality of care in diabetes is crucial for improving health outcomes for people with diabetes.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».