Clinician Experiences With Hybrid Closed Loop Insulin Delivery Systems in Veterans With Type 1 Diabetes: Qualitative Study
Notice bibliographique
Résumé
BACKGROUND: , and decreased incidence of hypoglycemia. Major diabetes guidelines differ in their strength of recommendations regarding the use of HCL systems. Overall, limited information about the factors that influence HCL pump clinical decision-making is available, especially among endocrinology clinicians. OBJECTIVE: The study objective is to describe the knowledge and attitudes, network support, and self-efficacy regarding HCL insulin delivery systems among endocrinology clinicians in one Veterans Affairs (VA) Healthcare System in the Midwest. METHODS: Following a descriptive approach, this qualitative study used semistructured interviews and inductive thematic analysis. All endocrinologists, endocrinology fellows, and nurses in the endocrinology and metabolism department at one VA Healthcare System in the Midwest were invited to participate in one-on-one phone interviews. Thematic analysis explored clinician perspectives on HCL insulin pump systems. RESULTS: Participants (n=11) had experience within VA and university health care system endocrinology clinics. From their experiences, 4 themes were identified involving the evaluation and assessment of insulin pump candidates, prescribing challenges, clinical benefits of HCL pumps, and overall clinician confidence. CONCLUSIONS: Findings suggest that clinicians believe HCL systems have significant glycemic benefits but are not appropriate for all patients, especially those with cognitive impairment. HCL pump initiation is a multi-step process requiring an interdisciplinary team of health care clinicians to ensure patient and pump success. Furthermore, HCL systems improve clinician confidence in overall diabetes management.
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 | 0,000 |
| 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 ».