Using Continuous Glucose Monitoring and Data Sharing to Encourage Collaboration Among Older Adults With Type 1 Diabetes and Their Care Partners: Qualitative Descriptive Study
Notice bibliographique
Résumé
BACKGROUND: Persons with diabetes use continuous glucose monitoring (CGM) to self-manage their diabetes. Care partners (CPs) frequently become involved in supporting persons with diabetes in the management of their diabetes. However, persons with diabetes and CP dyads may require more communication and problem-solving skills regarding how to share and respond to CGM data. OBJECTIVE: The purpose of this study was to describe the experiences of persons with diabetes and CPs who participated in the Share "plus" intervention, which addresses dyadic communication strategies, problem-solving, and action planning to promote sharing of CGM data among the dyad. METHODS: Ten dyads participated in the Share "plus" telehealth intervention. Participants were interviewed during and after the Share "plus" intervention. Thematic analysis was used to analyze interview data. RESULTS: During postsession interviews, dyads described feeling a sense of shared responsibility yet viewed the persons with diabetes as ultimately responsible for the disease. Additionally, dyads shared that communication patterns improved and were able to recognize the negative aspects of previously established communication patterns. Dyads reported communication focused on hypoglycemia episodes while also differing in the frequency they reviewed CGM data and set alerts. Overall, dyads expressed positive reactions to the Share "plus" intervention. CONCLUSIONS: Share "plus" was helpful in promoting positive CGM-related communication among dyads and encouraged more CP support. CPs play an important role in supporting older adults with type 1 diabetes. Communication strategies help support dyad involvement in CGM data sharing and self-management among persons with diabetes.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».