A Qualitative Investigation on Chronic Disease Management and Prevention Among Older Adults During the COVID-19 Pandemic
Notice bibliographique
Résumé
PURPOSE: To qualitatively describe experiences of chronic disease management and prevention in older adults (age ≥65 years) during COVID-19. APPROACH: Qualitative descriptive approach. SETTING: Data collected online via telephone and video-conferencing technologies to participants located in various cities in British Columbia, Canada. Data analyzed by researchers in the cities of Vancouver and Kelowna in British Columbia. PARTICIPANTS: Twenty-four community-living older adults (n = 24) age ≥65 years. METHODS: Each participant was invited to complete a 30-to-45-minute virtual, semi-structured, one-on-one interview with a trained interviewer. Interview questions focused on experiences managing health prior to COVID-19 and transitioning experiences of practicing health management and prevention strategies during COVID-19. Audio recordings of interviews were transcribed verbatim and analyzed thematically. RESULTS: The sample's mean age was 73.4 years (58% female) with 75% reporting two or more chronic conditions (12.5% none, 12.5% one). Three themes described participants' strategies for chronic disease management and prevention: (1) having a purpose to optimize health (i.e., managing health challenges and maintaining independence); (2) internal self-control strategies (i.e., self-accountability and adaptability); and (3) external support strategies (i.e., informational support, motivational support, and emotional support). CONCLUSION: Helping older adults identify purposes for their own health management, developing internal control strategies, and optimizing social support opportunities may be important person-centred strategies for chronic disease management and prevention during unprecedented times like COVID-19.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 ».