MétaCan
Menu
Retour à la cohorte
Enregistrement W3172297397 · doi:10.2196/27062

Improving Diabetes Self-management by Providing Continuous Positive Airway Pressure Treatment to Patients With Obstructive Sleep Apnea and Type 2 Diabetes: Qualitative Exploratory Interview Study

2021· article· en· W3172297397 sur OpenAlexvenueno aff
Ditte Hjorth Laursen, Gitte Rom, Anne Margareta Banghøj, Lise Tarnow, Lone Schou

Notice bibliographique

RevueJMIR Formative Research · 2021
Typearticle
Langueen
DomaineMedicine
ThématiqueObstructive Sleep Apnea Research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésContinuous positive airway pressureObstructive sleep apneaType 2 diabetesMedicineDiabetes mellitusSleep apneaExploratory researchSleep (system call)Internal medicineEndocrinologyComputer science

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: There is a high prevalence of unexplained and unexplored obstructive sleep apnea (OSA) among patients with type 2 diabetes. The daytime symptoms of OSA include severe fatigue, cognitive problems, a decreased quality of life, and the reduced motivation to perform self-care. These symptoms impair the management of both diabetes and daily life. OSA may therefore have negative implications for diabetes self-management. Continuous positive airway pressure (CPAP) therapy is used to treat OSA. This treatment improves sleep quality, insulin resistance, and glycemic control. Although the benefits of using CPAP as a treatment for OSA are clear, the noncompliance rate is high, and the evidence for the perceived effect that CPAP treatment has on patients with type 2 diabetes and OSA is poor. OBJECTIVE: The purpose of this study was to analyze the impacts that comorbid diabetes and OSA have on the daily lives of older adults and to investigate the perceived effect that CPAP treatment for OSA has on patients' diabetes self-management. METHODS: A qualitative follow-up study that involved in-depth, semistructured dyad interviews with couples before and after CPAP treatment (N=22) was conducted. Patients were recruited from the Hilleroed Hospital in Denmark and were all diagnosed with type 2 diabetes, aged >18 years, and had an apnea-hypopnea index of ≥15. All interviews were coded and analyzed via thematic analysis. RESULTS: The results showed that patients and their partners did not consider OSA to be a serious disorder, as they believed that OSA symptoms were similar to those of the process of aging. Patients experienced poor nocturnal sleep, took frequent daytime naps, exhibited reduced cognitive function, and had low levels of physical activity and a high-calorie diet. These factors negatively influenced their diabetes self-management. Despite the immediate benefit of CPAP treatment, most patients (11/12, 92%) faced technical challenges when using the CPAP device. Only the patients with severe OSA symptoms that affected their daily lives overcame the challenges of using the CPAP device and thereby improved their diabetes self-management. Patients with less severe symptoms rated CPAP-related challenges as more burdensome than their symptoms. CONCLUSIONS: If used correctly, CPAP has the potential to significantly improve OSA, resulting in better sleep quality; improved physical activity; improved diet; and, in the end, better diabetes self-management. However, there are many barriers to undergoing CPAP treatment, and only few patients manage to overcome these barriers and comply with correct treatment.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,013
score de la tête « metaresearch » (Gemma)0,016
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,013
Score d'incertitude au seuil0,070

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0130,016
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0060,005
Communication savante0,0030,002
Science ouverte0,0020,005
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,025
Tête enseignante GPT0,348
Écart entre enseignants0,323 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR Formative ResearchMême sujetObstructive Sleep Apnea ResearchTravaux en français237 207