Patient Experience and Predictors of Improvement in a Group Behavioral and Educational Intervention for Individuals With Diabetes and Serious Mental Illness: Mixed Methods Case Study
Notice bibliographique
Résumé
Background In a previous study, participation in a 16-week reverse integrated care and group behavioral and educational intervention for individuals with diabetes and serious mental illness was associated with improved glycemic control (hemoglobin A1c) and BMI. To inform future implementation efforts, more information about the effective components of the intervention is needed. Objective The goal of this study is to identify the aspects of the intervention participants reported to be helpful and to evaluate the predictors of outcomes. Methods This study involved qualitative evaluation and post hoc quantitative analysis of a previous intervention. Qualitative data were collected using semistructured interviews with 69% (24/35) of the individuals who attended 1 or more group sessions and 35% (9/26) of the individuals who consented but attended no sessions. Quantitative mixed effects modeling was performed to test whether improved diabetes knowledge, diet, and exercise or higher group attendance predicted improved hemoglobin A1c and BMI. These interview and modeling outcomes were combined using a mixed methods case study framework and integrated thematically. Results In qualitative interviews, participants identified the application of health-related knowledge gained to real-world situations, accountability for goals, positive reinforcement and group support, and increased confidence in prioritizing health goals as factors contributing to the success of the behavioral intervention. Improved knowledge of diabetes was associated with reduced BMI (β=–1.27, SD 0.40; P=.003). No quantitative variables examined were significantly associated with improved hemoglobin A1c levels. Conclusions In this mixed methods analysis of predictors of success in a behavioral diabetes management program, group participants highlighted the value of positive reinforcement and group support, accountability for goals set, and real-world application of health-related knowledge gained. Improved diabetes knowledge was associated with weight loss.
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 | 0,000 |
| 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 ».