European Survey on Adult People With Type 1 Diabetes and Their Caregivers: Insights into Perceptions of Technology
Notice bibliographique
Résumé
Background: Type 1 diabetes (T1D) is a complex condition requiring constant monitoring and self-management. The landscape of diabetes management is evolving with the development of new technologies. This survey aimed to gain insight into the perceptions and experiences of people with T1D (PWD) and their caregivers on the use of technology in diabetes care, and identify future needs for T1D management. Methods: PWD and caregivers (≥18 years) living in five European countries (France, Germany, Italy, Spain, and the United Kingdom) completed an online survey. Data were collected during July and August 2021. Results: Responders included 458 PWD and 54 caregivers. More than 60% of PWD perceived devices/digital tools for diabetes management as useful and 63% reported that access to monitoring device data made their life easier. Nearly half of participants hoped for new devices and/or digital tools. While approximately one-third of all PWD had used teleconsultation, perceptions and usage varied significantly between countries and by age (both P < .0001), with the lowest use in Germany (20%) and the highest in Spain (48%). The proportions of PWD contributing to diabetes care costs varied by device and were highest for smart insulin pen users at 83% compared with 44% for insulin pen users and 37% for insulin pump users. One-quarter (24%) of PWD and 15% of caregivers felt they lacked knowledge about devices/digital tools for T1D. Conclusions: Most PWD and caregivers had positive perceptions and experiences of new technologies/digital solutions for diabetes management, although improved support and structured education for devices/digital tools are still required.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,005 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| 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 ».