Technology-Enabled Collaborative Care for Type-2 Diabetes and Mental Health (TECC-D): Findings From a Mixed Methods Feasibility Trial of a Responsive Co-Designed Virtual Health Coaching Intervention
Notice bibliographique
Résumé
Introduction: Type-2 diabetes (T2D) is a complex chronic condition associated with a lower quality of life due to disease specific distress. While there is growing support for personalized diabetes programs, care for mental health challenges is often fragmented and limited by access to psychiatry, and integration of care. The use of communication technology to improve team based collaborative care to bridge these gaps is promising but untested. Methods: We conducted an explanatory sequential mixed methods study to assess the feasibility and acceptability of the co-designed Technology-Enabled Collaborative Care for Diabetes and Mental Health (TECC-D) program. Participants included adults aged ≥18 years who had a clinical diagnosis of T2D, and self-reported mental health concerns. Results: 31 participants completed the 8-week virtual TECC-D program. Findings indicate that the program is feasible and acceptable and indicate that there is a role for virtual diabetes and mental health care. Discussion: The TECC-D program, designed through an iterative co-design process and supported by innovative, responsive adaptations led to good uptake and satisfaction. Conclusion: The TECC-D model is a feasible and scalable care solution that empowers individuals living with T2D and mental health concerns to take an active role in their care.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,012 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 source (Gemma direct ou Codex distillé), 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 ».