Getting a “SMART START” to gestational diabetes mellitus education: a mixed-methods pilot evaluation of a knowledge translation tool in primary care
Notice bibliographique
Résumé
BACKGROUND: South Asian people living in Canada face higher rates of gestational diabetes mellitus (GDM) compared to national trends. The objective of this study was to design and pilot test a knowledge translation (KT) tool to support GDM prevention counselling in primary care. METHODS: This study is a mixed-methods pilot evaluation of the "SMART START" KT tool involving 2 family physicians in separate practices and 20 pregnant South Asians in Ontario, Canada. We conducted the quantitative and qualitative components in parallel, developing a joint display to illustrate the converging and diverging elements. RESULTS: Between January and July 2020, 20 South Asian pregnant people were enrolled in this study. A high level of acceptability was received from patients and practitioners for timing, content, format, language, and interest in the interventions delivered. Quantitative findings revealed gaps in patient knowledge and behaviour in the following areas: GDM risk factors, the impact of GDM on the unborn baby, weight gain recommendations, diet, physical activity practices, and tracking of weight gain. From the qualitative component, we found that physicians valued and were keen to engage in GDM prevention counselling. Patients also expressed personal perceptions of healthy active living during pregnancy, experiences, and preferences with gathering and searching for information, and key preventative behaviours. CONCLUSIONS: Building on this knowledge can contribute to the design and implementation of other research opportunities or test new hypotheses as they relate to GDM prevention among South Asian communities.
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 | 0,004 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 ».