576-P: Cocreating a Virtual Care Platform That Delivers Mental Health Support to Adults with Type 1 Diabetes (T1D) Living in Rural and Remote Communities
Notice bibliographique
Résumé
Introduction: While mental health (MH) is the cornerstone of diabetes care, access to MH support in rural and remote communities in British Columbia (BC) is limited. The purpose of this study was to design REACHOUT, a virtual care platform, to deliver peer-led MH support to adults with T1D in geographically marginalized communities in BC. Methods: The REACHOUT platform was co-created by our T1D Patient Partner Team (n=16) and experts in digital health, biomedical engineering, behavioural science, and rural health. REACHOUT is built as a customizable extension to the Rocket.chat open-source platform, deployed privately on Amazon Web Services servers in Canada; it offers various forms of encryption to maintain data security. We applied an Agile iterative development approach with multi-staged feedback from T1D Patient Partners and key stakeholders in a participatory action framework. Results: The REACHOUT app has three support delivery features: 1) 1-ON-1 SUPPORT delivered by an individual Peer Supporter (PS) self-selected by the participant from a library of PS profiles. Profiles include descriptors such as stage of life, hobbies, and interests, sociodemographic information, diabetes history and treatment etc. Mode, content, and structure of communication are driven entirely by participants’ support preferences and needs; 2) 24/7 COMMUNITY CHAT ROOMoffers “just-in-time” group support and accommodates needs for emotional validation, normalization, and non-judgmental acceptance; 3) VIDEO HUDDLES are monthly PS-led virtual group sessions highlighting a distress or resilience related theme (e.g. workplace bias and discrimination, cooking low-carb, insurance coverage challenges) . Conclusions: Launched in November 2021, the REACHOUT pilot supports 40 participants with 40 PS. Adoption and utilization patterns for each of the support delivery mechanisms are being monitored and will be compared in mid-2022. Disclosure T.S.Tang: None. P.Johal: None. A.Azhar: None. L.Fisher: Consultant; Ascensia Diabetes Care, Research Support; Eli Lilly and Company. W.H.Polonsky: Consultant; Abbott Diabetes, Boehringer Ingelheim International GmbH, Dexcom, Inc., Eli Lilly and Company, Insulet Corporation, Intuity Medical, Inc., Provention Bio, Inc., Sanofi. M.Görges: Research Support; Careteam Technologies Inc, Excelar Technologies, IDENTOS Inc, MedStack Inc, SecureKey Technologies Inc, Smile CDR Inc, Thrive Health, Xerus Medical. Funding Juvenile Diabetes Research Foundation (2-SRA-2020-986-S-B)
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,005 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,020 | 0,003 |
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 ».