Systematic review of technology‐mediated peer support interventions in paediatric type 1 diabetes care
Notice bibliographique
Résumé
AIMS: There is increasing interest in the role of peer support in diabetes care. However, technology-mediated peer support in paediatric type 1 diabetes remains understudied.We aimed todescribe technology-mediated peer support interventions for children living with type 1 diabetes, their caregivers and healthcare providers. METHODS: CINAHL, Embase and MEDLINE (Ovid) were searched from Jan 2007 to June 2022. We included randomised and non-randomised trials with peer support interventions for children living with diabetes, their caregivers and/or healthcare providers. Studies examining clinical, behavioural or psychosocial outcomes were included. Quality was assessed with the Cochrane risk of bias tool. RESULTS: Twelve of 308 retrieved studies were included, with a study duration range of 3 weeks to 24 months and most were randomised trials (n = 8, 66.67%). Four technology-based interventions were identified: phone-based text messages, video, web portal and social media, or a hybrid peer support model. Most (58.6%, n = 7) studies exclusively targeted children with diabetes. No significant improvement was observed in psychosocial outcomes (quality of life, n = 4; stress and coping, n = 4; social support, n = 2). Mixed findings were observed in HbA1c (n = 7) and 28.5% studies (n = 2/7) reported reduced incidence of hypoglycaemia. CONCLUSIONS: Technology-mediated peer support interventions may have the potential to improve diabetes care and outcomes. However, further well-designed studies are necessary that address the needs of diverse populations and settings, and the sustainability of intervention effects.
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 | 0,003 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,008 | 0,001 |
| Bibliométrie | 0,004 | 0,008 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».