694-P: Differences in Diabetes-Related Stigma by Demographic Group and Intensity of Diabetes Management
Notice bibliographique
Résumé
The social stigma surrounding diabetes refers to the negative attitudes, discrimination, or prejudice someone may face due to their diabetes. For many people with diabetes (PWD), stigma is a major challenge and often results in significant negative consequences, such as poor psychological well-being and worse clinical outcomes. This study aimed to identify groups who may be at greater risk of experiencing stigma. From October-December 2022, 10,338 adults living with diabetes in the United States, Canada, France, Germany, Italy, Netherlands, Sweden, and United Kingdom took an online survey assessing stigma associated with diabetes. Stigma was measured using four items about concealing or difficulty disclosing one's diabetes as well as diabetes-related embarrassment and isolation. These four items were averaged to create a composite variable on degree of stigma experienced (α = 0.87, M = 1.82, SD = 0.89). Subsequent responses were analyzed by various demographic factors and diabetes management strategies using SPSS. Stigma levels differ by intensity of diabetes management; respondents with more demanding diabetes management regimens experience greater levels of stigma. CGM users (p<0.001) and insulin users (p<0.001) experience more stigma than non-users, and PWD taking multiple daily injections experience more stigma than pump users (p=0.027). Stigma also varies across several demographic factors. French respondents report the highest stigma score, while German respondents report the lowest. Further, people with T1D experience more stigma than those with T2D (p<0.001). This research reveals differences in diabetes-related stigma by country and diabetes type and suggests that stigma becomes more prevalent with more intensive diabetes management. Additional research is needed to further explore experiences of stigma and identify methods of support, especially for at-risk groups. Disclosure A.Zeng: Employee; dQ&A. E.Lin: Employee; dQ&A. E.Cox: Employee; dQ&A. E.Xu: Employee; dQ&A. T.Bell: Employee; dQ&A. T.L.Bristow: Employee; dQ&A.
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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,015 | 0,002 |
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 ».