Patient education program for Brazilians living with diabetes and prediabetes: findings from a development study
Notice bibliographique
Résumé
BACKGROUND: Globally, the incidence of diabetes is increasing and strategies to reach a comprehensive approach of care are needed, including education in self-management. This is particularly true in low and middle-income countries where the number of people living with diabetes is higher than in the high-income ones. This article describes the development of a structured patient education program for Brazilians living with diabetes or prediabetes. METHODS: These steps were undertaken: 1) a 4-phase needs assessment (literature search of local diabetes guidelines, environmental scan, evaluation of information needs of patients identified by diabetes experts, and patient focus groups); and, 2) the translation and cultural adaptation of the patient guide (preparation, translation, back-translation, back-translation review, harmonization, and proofreading). RESULTS: Four of the seven guidelines identified include educational aspects of diabetes management. No structured education program was reported from the environmental scan. Regarding the information needs, 15 diabetes experts identified their patients' needs, who referred that they have high information needs for topics related to their health condition. Finally, results from six patient focus groups were clustered into six themes (self-management, physical activity, eating habits, diabetes medication, psychosocial being, and sleep), all embedded into the new education program. Constructive theory, adult learning principles, and the Health Action Process Approach model were used in program development and will be used in delivery. The developed program consists of 18 educational sessions strategically mapped and sequenced to support the program learning outcomes and a patient guide with 17 chapters organized into five sections, matched with weekly lectures. CONCLUSIONS: This program is a sequential and theoretical strategic intervention that can reach programs in Brazil to support diabetes and prediabetes patient education.
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 | 0,007 | 0,014 |
| 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 | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».