The Examination and Exploration of Diabetes Distress in Pre-existing Diabetes in Pregnancy: A Mixed-methods Study
Notice bibliographique
Résumé
OBJECTIVES: Diabetes distress (DD) has been understudied in the pregnancy population. Pregnancy is known to be a complex, highly stressful time for women with diabetes because of medical risks and the high burden of diabetes management. Our aim in this study was to explain and understand DD in women with pre-existing diabetes in pregnancy. METHODS: An explanatory, sequential mixed-methods study was undertaken. The first strand consisted of a cross-sectional study of 76 women with type 1 and type 2 diabetes. A nested sampling approach was used to re-recruit 18 women back into the second strand for qualitative interviews using an interpretive description approach. RESULTS: DD was measured by the validated Problem Area in Diabetes (PAID) scale. A PAID score of ≥40 was positive for distress. DD prevalence was 22.4% in the cross-sectional cohort and the average PAID score was 27.75 (standard deviation 16.08). In the qualitative strand, women with a range of PAID scores (10.0 to 60.0) were sampled for interviews. The majority of these participants described themes of DD in their interviews. Of the 15 women who described DD thematically, only 6 had positive PAID scores. CONCLUSIONS: Integration of the mixed-methods data underscores important meta-inferences about DD in pregnancy, namely that DD was present to a greater degree than the PAID tool is sensitive to. DD was present qualitatively in most of the qualitative sample, despite interviewing women with a range of PAID scores. Future research on a pregnancy-specific DD scale is needed.
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 | 0,007 | 0,018 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,002 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».