636-P: Promoting Engagement in Type 2 Diabetes Self-Management—Development of the Impact of Glucose Monitoring Scale
Notice bibliographique
Résumé
Introduction: Type 2 diabetes (T2D) management requires behavioural engagement and continuous glucose monitoring (CGM) technologies may increase self-management motivation. This study developed a patient reported outcome (PRO) measure assessing the impact of CGM on capability, motivation and opportunity to engage in self-management. Items were generated by those with T2D reporting CGM as a “game changer” in self-management, expert review and behaviour change theory. Method: Forty-two patient generated items described CGM as promoting Personalized Knowledge and Improving Health (Capability), Improving Relationships and having positive Device Characteristics (Opportunity) and improving Self-Management (Motivation). English speaking Canadians (N = 514) completed items along with; Glucose Monitoring Satisfaction scale (GMSS, construct validity), Diabetes Self-Management Questionnaire (DSMQ) and Diabetes Distress Scale (predictive validity). Test-retest reliability was determined on 130 participants. Final items (N = 22) were selected based on item response distribution, internal consistency and factor analysis. Results: Internal consistency was high for all scales: Capability (0.91; Personalized Knowledge = 0.85, Improved Health = 0.79), Opportunity (0.72; Improved HCP Relationships = 0.78, Improved Social Relationships = 0.73, Device Characteristics = 0.82), Motivation (0.85). Test-retest reliability ranged from 0.44 - 0.65. Capability, Opportunity and Motivation scales correlated significantly with GMSS total (0.38, 0.69, 0.47), DMSQ Total (0.18, 0.35, 0.22), and Opportunity and Motivation correlated significantly with reduced diabetes distress (−0.23, −0.42). Conclusions: This scale has strong psychometric characteristics and has the potential to screen those with T2D for engagement in diabetes self-management through CGM vis a vis its impact on capability, opportunity and motivation. Disclosure M.Vallis: Advisory Panel; Abbott Diabetes, Bausch Health, Canada, Boehringer-Ingelheim, Consultant; Novo Nordisk, Research Support; Abbott Diabetes, Bausch Health, Canada, Speaker's Bureau; Abbott Diabetes, AbbVie Inc., AstraZeneca, Bausch Health, Canada. L.Berard: Consultant; Abbott Diabetes, Bayer Inc., Medtronic, Roche Diabetes Care, Speaker's Bureau; Dexcom, Inc. E.Cosson: Board Member; Abbott, Medtronic. F.B.Kristensen: Advisory Panel; Abbott Diabetes. F.Levrat-guillen: Employee; Abbott Diabetes. N.Naiditch: None. R.Rabasa-lhoret: Consultant; Dexcom, Inc., Abbott, Janssen Pharmaceuticals, Inc., Novo Nordisk Canada Inc., Sanofi, Lilly, Tandem Diabetes Care, Inc., Insulet Corporation. W.H.Polonsky: Consultant; Abbott Diabetes, Boehringer Ingelheim and Eli Lilly Alliance, Eli Lilly and Company, Insulet Corporation, Intuity Medical, Inc., MannKind Corporation, Provention Bio, Inc., Sanofi-Aventis U.S., Vertex Pharmaceuticals Incorporated. Funding Abbott Diabetes 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 | 0,001 | 0,003 |
| 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 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 ».