Use of Telecommunication and Diabetes-Related Technologies in Older Adults With Type 1 Diabetes During a Time of Sudden Isolation: Mixed Methods Study
Notice bibliographique
Résumé
BACKGROUND: The COVID-19 lockdown imposed a sudden change in lifestyle with self-isolation and a rapid shift to the use of technology to maintain clinical care and social connections. OBJECTIVE: In this mixed methods study, we explored the impact of isolation during the lockdown on the use of technology in older adults with type 1 diabetes (T1D). METHODS: Older adults (aged ≥65 years) with T1D using continuous glucose monitoring (CGM) participated in semistructured interviews during the COVID-19 lockdown. A multidisciplinary team coded the interviews. In addition, CGM metrics from a subgroup of participants were collected before and during the lockdown. RESULTS: We evaluated 34 participants (mean age 71, SD 5 years). Three themes related to technology use emerged from the thematic analysis regarding the impact of isolation on (1) insulin pump and CGM use to manage diabetes, including timely access to supplies, and changing Medicare eligibility regulations; (2) technology use for social interaction; and (3) telehealth use to maintain medical care. The CGM data from a subgroup (19/34, 56%; mean age 74, SD 5 years) showed an increase in time in range (mean 57%, SD 17% vs mean 63%, SD 15%; P=.001), a decrease in hyperglycemia (>180 mg/dL; mean 41%, SD 19% vs mean 35%, SD 17%; P<.001), and no change in hypoglycemia (<70 mg/dL; median 0.7%, IQR 0%-2% vs median 1.1%, IQR 0%-4%; P=.40) during the lockdown compared to before the lockdown. CONCLUSIONS: These findings show that our cohort of older adults successfully used technology during isolation. Participants provided the positive and negative perceptions of technology use. Clinicians can benefit from our findings by identifying barriers to technology use during times of isolation and developing strategies to overcome these barriers.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| 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 ».