Barriers and enablers to diabetic eye screening attendance: An interview study with young adults with type 1 diabetes
Notice bibliographique
Résumé
AIM: The aim of this study was to identify barriers and enablers of diabetic eye screening (DES) attendance amongst young adults with diabetes living in the United Kingdom. METHODS: Semistructured qualitative interviews with adults aged 18-34 years with diabetes. Participants were purposively sampled to aim for representation across gender, geographical locations, diabetes type, years since diabetes diagnosis and patterns of attendance (i.e. regular attenders, occasional non-attenders, regular non-attenders). Data were collected and analysed using the Theoretical Domains Framework (TDF) to explore potential individual, sociocultural and environmental influences on attendance. Data were analysed using a combined deductive and inductive thematic analysis approach. Barriers/enablers were mapped to behaviour change techniques (BCTs) to identify potential strategies to increase attendance. RESULTS: Key barriers to attendance reported by the sample of 29 study participants with type 1 diabetes, fell within the TDF domains: [Knowledge] (e.g. not understanding reasons for attending DES or treatments available if diabetic retinopathy is detected), [Social Influences] (e.g. lack of support following DES results), [Social role and Identity] (e.g. not knowing other people their age with diabetes, feeling 'isolated' and being reluctant to disclose their diabetes) and [Environmental Context and Resources] (e.g. lack of appointment flexibility and options for rescheduling). Enablers included: [Social Influences] (e.g. support of family/diabetes team), [Goals] (e.g. DES regarded as 'high priority'). Many of the reported barriers/enablers were consistent across groups. Potential BCTs to support attendance include Instructions on how to perform the behaviour; Information about health consequences; Social support (practical) and Social comparison. CONCLUSIONS: Attendance to diabetic eye screening in young adults is influenced by a complex set of interacting factors. Identification of potentially modifiable target behaviours provides a basis for designing more effective, tailored interventions to help young adults regularly attend eye screening and prevent avoidable vision 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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».