Utility and Acceptability of a Brief Type 2 Diabetes Visual Animation: Mixed Methods Feasibility Study
Notice bibliographique
Résumé
BACKGROUND: Visualizations of illness and treatment processes are promising interventions for changing unhelpful perceptions and improving health outcomes. However, these are yet to be tested in patients with type 2 diabetes mellitus (T2DM). OBJECTIVE: This study assesses the cross-cultural acceptability and potential effectiveness of a brief visual animation of T2DM at changing unhelpful illness and treatment perceptions and self-efficacy among patients and family members in 2 countries, New Zealand and Saudi Arabia. Health care professionals' views on visualization are also explored. METHODS: A total of 52 participants (n=39, 75% patients and family members and n=13, 25% health care professionals) were shown a 7-minute T2DM visual animation. Patients and family members completed a questionnaire on illness and treatment perceptions and self-efficacy before and immediately after the intervention and completed semistructured interviews. Health care professionals completed written open-ended questions. Means and 95% CIs are reported to estimate potential effectiveness. Inductive thematic analysis was conducted on qualitative data. RESULTS: All participants rated the visual animation as acceptable and engaging. Four main themes were identified: animation-related factors, impact of the animation, animation as an effective format for delivering information, and management-related factors. Effect sizes (ranged from 0.10 to 0.56) suggested potential effectiveness for changing illness and treatment perceptions and self-efficacy among patients and family members. CONCLUSIONS: Visualizations are acceptable and may improve the perceptions of patients' with diabetes in a short time frame. This brief visual animation has the potential to improve current T2DM education. A subsequent randomized controlled trial to investigate the effects on illness and treatment perceptions, adherence, glycemic control, and unplanned hospital admission is being prepared.
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 | 0,041 | 0,038 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 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 ».