MétaCan
Menu
Retour à la cohorte
Enregistrement W4362606532 · doi:10.1136/bmjopen-2022-068694

Older adults’ experiences and perceived impacts of the Aging, Community and Health Research Unit-Community Partnership Program (ACHRU-CPP) for diabetes self-management in Canada: a qualitative descriptive study

2023· article· en· W4362606532 sur OpenAlexafffundabout
Marie‐Lee Yous, Rebecca Ganann, Jenny Ploeg, Maureen Markle‐Reid, Melissa Northwood, Kathryn Fisher, Ruta Valaitis, Tracey Chambers, William Montelpare, France Légaré, Ron Beleno, Gary Gaudet, Luisa Giacometti, Deborah Levely, Craig Lindsay, Allan J. Morrison, Frank Tang

Notice bibliographique

RevueBMJ Open · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueDiabetes Management and Education
Établissements canadiensUniversité LavalUniversity of Prince Edward IslandMcMaster University
Organismes subventionnairesFonds de Recherche du Québec - SantéMcMaster Institute for Research on Aging, McMaster UniversityDiabetes Action Research and Education FoundationCanadian Institutes of Health ResearchMcMaster UniversityFonds de recherche du Québec
Mots-clésMedicineGerontologyThematic analysisCommunity healthIntervention (counseling)Qualitative researchPublic healthDiabetes managementDescriptive statisticsChronic conditionNursingFamily medicineType 2 diabetesDiabetes mellitus

Résumé

récupéré en direct d'OpenAlex

OBJECTIVES: To assess the experiences and perceived impacts of the Aging, Community and Health Research Unit-Community Partnership Program (ACHRU-CPP) from the perspectives of older adults with diabetes and other chronic conditions. The ACHRU-CPP is a complex 6-month self-management evidence-based intervention for community-living older adults aged 65 years or older with type 1 or type 2 diabetes and at least one other chronic condition. It includes home and phone visits, care coordination, system navigation support, caregiver support and group wellness sessions delivered by a nurse, dietitian or nutritionist, and community programme coordinator. DESIGN: Qualitative descriptive design embedded within a randomised controlled trial was used. SETTING: Six trial sites offering primary care services from three Canadian provinces (ie, Ontario, Quebec and Prince Edward Island) were included. PARTICIPANTS: The sample was 45 community-living older adults aged 65 years or older with diabetes and at least one other chronic condition. METHODS: Participants completed semistructured postintervention interviews by phone in English or French. The analytical process followed Braun and Clarke's experiential thematic analysis framework. Patient partners informed study design and interpretation. RESULTS: The mean age of older adults was 71.7 years, and the mean length of time living with diabetes was 18.8 years. Older adults reported positive experiences with the ACHRU-CPP that supported diabetes self-management, such as improved knowledge in managing diabetes and other chronic conditions, enhanced physical activity and function, improved eating habits, and opportunities for socialisation. They reported being connected to community resources by the intervention team to address social determinants of health and support self-management. CONCLUSIONS: Older adults perceived that a 6-month person-centred intervention collaboratively delivered by a team of health and social care providers helped support chronic disease self-management. There is a need for providers to help older adults connect with available health and social services in the community. TRIAL REGISTRATION NUMBER: ClinicalTrials.gov ID: NCT03664583; Results.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,005
score de la tête « metaresearch » (Gemma)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,199
Score d'incertitude au seuil0,400

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,007
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0080,004
Communication savante0,0030,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,420
Tête enseignante GPT0,548
Écart entre enseignants0,128 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations12
Publié2023
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueBMJ OpenMême sujetDiabetes Management and EducationTravaux en français237 207