The challenges of managing diabetes while homeless: a qualitative study using photovoice methodology
Notice bibliographique
Résumé
BACKGROUND: Minimal consideration has been given to understanding the challenges of managing diabetes while homeless from the perspective of those with lived or living experience. We used a community-based participatory approach to explore these challenges. METHODS: We recruited coresearchers with experiential knowledge of both homelessness and diabetes. Lead researchers conducted research training and facilitated research development by coresearchers. Coresearchers collectively chose to use photovoice methodology to illustrate the challenges of accessing healthy food while homeless and to explore how homelessness more broadly affects diabetes management. After training in photography technique and ethics, coresearchers took photos to address these objectives and created accompanying narratives using photo elicitation techniques. Lead researchers analyzed photos and narratives, and extracted themes, refined through group discussion. RESULTS: The 8 coresearchers had type 2 diabetes (diagnosed 18 months to 23 years previously) and had experienced homelessness for periods ranging from 8 months to 12 years. We identified 4 themes from the 17 photos and narratives they produced. Homelessness imposed major demands on emotional and mental health, impairing the ability of those affected to focus on diabetes self-management. Foods provided in shelters were often nutritionally poor or unpalatable. Obtaining housing facilitated diabetes management through stability and autonomy, but cost and lack of knowledge posed challenges to healthy food preparation. Homelessness also presented challenges to accessing diabetes care professionals and prescription medications. INTERPRETATION: The images and narratives provide a powerful firsthand, in-depth account of the challenges faced by people trying to manage diabetes while homeless. Understanding these challenges is the first step in enabling providers and policy-makers to meet the needs of this population.
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 | 0,014 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,012 | 0,008 |
| Communication savante | 0,003 | 0,004 |
| Science ouverte | 0,002 | 0,005 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».