MétaCan
Menu
← Retour à la cohorte
Enregistrement W4221128238 · doi:10.2196/preprints.37715

Developing a successful implementation plan for a high frequency, low touch care model at specialized type 1 diabetes clinics: The Type 1 diabetes virtual self-Management and Education support (T1ME) trial (Preprint)

2022· preprint· en· W4221128238 sur OpenAlexaboutno aff
Stephanie de Sequeira, Justin Presseau, Gillian Booth, Lorraine L. Lipscombe, Isabelle Perkins, Bruce A. Perkins, Rayzel Shulman, Gurpreet Lakhanpal, Noah Ivers

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineHealth Professions
ThématiqueMobile Health and mHealth Applications
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPsychological interventionMedicineTelemedicineGlycemicNursingWorkloadDiabetes managementType 2 diabetesHealth careWorkflowMedical educationFamily medicineComputer scienceDiabetes mellitus

Résumé

récupéré en direct d'OpenAlex

BACKGROUND Individuals with type 1 diabetes (T1D) are more likely to achieve optimal glycemic control when they have frequent visits with their healthcare team. There is a potential benefit of frequent, telemedicine interventions as an effective strategy to lower hemoglobin A1c (HbA1c). OBJECTIVE To understand the provider- and system-level factors affecting successful implementation of a virtual care intervention into type 1 diabetes (T1D) clinics. METHODS Semi-structured interviews with managers and certified diabetes educators (CDEs) at diabetes clinics across Southern Ontario, prior to the COVID-19 pandemic. Deductive analysis using the Theoretical Domains Framework, then mapping to Behaviour Change Techniques to inform potential implementation strategies for high frequency virtual care for T1D. RESULTS There was considerable intention to deliver high frequency virtual care to patients with T1D. Participants believed that this model of care could lead to improved patient outcomes and engagement, but would likely increase the workload of CDEs. Some felt there were insufficient resources at their site to enable them to participate in the program. Member-checking conducted during the pandemic revealed that clinics and staff had already developed strategies to overcome resource barriers to the adoption of virtual care during the pandemic. CONCLUSIONS Existing enablers for high frequency virtual care can be leveraged, and barriers can be overcome with targeted clinical incentives and support.

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

Étiquettes directes de modèles (non validées)

Étiquettes de catégorie et de devis d'étude par modèle, issues des rondes d'étiquetage. C'est une sortie machine, non validée, et le désaccord entre modèles est livré comme donnée. Aucun devis ici n'est encore validé contre MEDLINE.

BrasCatégoriesDevis d'étudeConfiance
gemmaaucune catégorie
Domaine: non disponible · Genre: Protocole
Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non
Essai non randomisélow
gptaucune catégorie
Domaine: non disponible · Genre: Empirique
Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non
Autre devislow
modèles en désaccordL'accord compare des ensembles de catégories et des devis identiques entre les bras.

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)0,006
score de la tête « metaresearch » (Gemma)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Essai non randomisé · Signal consensuel: aucune
GenreSignal candidat: Protocole · Signal consensuel: aucune
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,031

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,007
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,003
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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 Opus0,057
Tête enseignante GPT0,435
Écart entre enseignants0,378 · 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

Étiqueté directement par 2 modèles lisant le dossier complet.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.

Les modèles divergent sur des parties de cette classification; chaque voix est préservée dans la section en fin de page.

Devis d'étudeEssai non randomisé · Autre devis
Domainenon disponible
GenreProtocole · Empirique

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

En bref

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetMobile Health and mHealth Applications→Travaux en français237 207→