Perspectives on Promoting Physical Activity Using eHealth in Primary Care by Health Care Professionals and Individuals With Prediabetes and Type 2 Diabetes: Qualitative Study
Notice bibliographique
Résumé
BACKGROUND: The trend of an exponential increase in prediabetes and type 2 diabetes (T2D) is projected to continue rising worldwide. Physical activity could help prevent T2D and the progression and complications of the disease. Therefore, we need to create opportunities for individuals to acquire the necessary knowledge and skills to self-manage their chronic condition through physical activity. eHealth is a potential resource that could facilitate self-management and thus improve population health. However, there is limited research on users' perception of eHealth in promoting physical activity in primary care settings. OBJECTIVE: This study aims to explore the perspectives of health care professionals and individuals with prediabetes and T2D on eHealth to promote physical activity in primary care. METHODS: A qualitative approach was applied using focus group discussions among individuals with prediabetes or T2D (14 participants in four groups) and health care professionals (10 participants in two groups). The discussions were audio-recorded and transcribed verbatim. Qualitative content analysis was used inductively to code the data. RESULTS: Three main categories emerged: utility, adoption process, and accountability. The utility of eHealth was described as a motivational, entertaining, and stimulating tool. Registration of daily medical measurements and lifestyle parameters in a cohesive digital platform was recognized as a potential resource for strengthening self-management skills. The adoption process includes eHealth to increase the accessibility of care and personalize the support of physical activity. However, participants stated that digital technology might only suit some and could increase health care providers' administrative burden. Accountability refers to the knowledge and skills to optimize eHealth and ensure data integrity and security. CONCLUSIONS: People with prediabetes and T2D and health care professionals positively viewed an integration of eHealth technology in primary care to promote physical activity. A cohesive platform using personal metrics, goal-setting, and social support to promote physical activity was suggested. This study identified eHealth illiteracy, inequality, privacy, confidentiality, and an increased workload on health care professionals as factors of concern when integrating eHealth into primary care. Continuous development of eHealth competence was reported as necessary to optimize the implementation of eHealth technology in primary care.
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 | 0,014 | 0,018 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,008 | 0,006 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».