A Qualitative Study of Barriers to Medication-Taking Among People With Type 2 Diabetes Using the Theoretical Domains Framework
Notice bibliographique
Résumé
Objective We aimed to better understand the challenges related to type 2 diabetes medication-taking through Theoretical Domains Framework (TDF)-guided interviews with people with type 2 diabetes with varying degrees of medication-taking. Methods One-on-one qualitative interviews following a semistructured discussion guide informed by the TDF were conducted. Thirty people with type 2 diabetes in Canada were interviewed, with representation from across the country, of both sexes (47% female), of people with various diabetes durations (mean 12.9 ± 7.9 years), with different types of medication plans (n = 15 on polypharmacy), and with various medication-taking levels (n = 10 each for low-, medium-, and high-engagement groups). Results Themes related to medication-taking from interviews mapped to 12 of the 14 TDF theme domains, with the exclusion of the knowledge and skills domains. The most prominent domains, as determined by high-frequency themes or themes for which people with low and high medication-taking had contrasting perspectives, were 1) emotion; 2) memory, attention, and decision processes; 3) behavioral regulation; 4) beliefs about consequences; 5) goals; and 6) environmental context and resources. Conclusion Through our interviews, several areas of focus emerged that may help efforts to increase medication-taking. To validate these findings, future quantitative research is warranted to help support people with type 2 diabetes in overcoming psychological and behavioral barriers to medication-taking.
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 | 0,014 | 0,017 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,009 | 0,007 |
| Communication savante | 0,003 | 0,004 |
| Science ouverte | 0,002 | 0,005 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».