A Qualitative Study of Barriers to Medication-Taking Among People With Type 2 Diabetes Using the Theoretical Domains Framework
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
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.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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) | 0,001 | 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 découle