Understanding the self-management experiences and support needs during pregnancy among women with pre-existing diabetes: a qualitative descriptive study
Notice bibliographique
Résumé
BACKGROUND: With the increasing prevalence of pre-existing type 1 and type 2 diabetes in pregnancy and their associated perinatal risks, there is a need to focus on interventions to achieve optimal maternal glycemia to improve pregnancy outcomes. One strategy focuses on improving diabetes self-management education and support for expectant mothers with diabetes. This study's objective is to describe the experience of managing diabetes during pregnancy and identify the diabetes self-management education and support needs during pregnancy among women with type 1 and type 2 diabetes. METHODS: Using a qualitative descriptive study design, we conducted semi-structured interviews with 12 women with pre-existing type 1 or 2 diabetes in pregnancy (type 1 diabetes, n = 6; type 2 diabetes, n = 6). We employed conventional content analyses to derive codes and categories directly from the data. RESULTS: Four themes were identified that related to the experiences of managing pre-existing diabetes in pregnancy; four others were related to the self-management support needs in this population. Women with diabetes described their experiences of pregnancy as terrifying, isolating, mentally exhausting and accompanied by a loss of control. Self-management support needs reported included healthcare that is individualized, inclusive of mental health support and support from peers and the healthcare team. CONCLUSIONS: Women with diabetes in pregnancy experience feelings of fear, isolation and a loss of control, which may be improved through personalized management protocols that avoid "painting everybody with the same brush" as well as peer support. Further examination of these simple interventions may yield important impacts on women's experience and sense of connection.
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 | 0,008 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,006 | 0,004 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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 ».