Out-of-pocket expenses and rationing of insulin and diabetes supplies: findings from the 2022 T1International cross-sectional web-based survey
Notice bibliographique
Résumé
Introduction: Continue investigating Out-of-Pocket Expenses (OoPEs) and rationing of insulin and diabetes supplies, including impacts of the COVID-19 pandemic, for people with type 1 diabetes (T1D). Methods: A cross-sectional web-based survey was conducted in English and advertised by T1International's global network of patient advocates from May through September 2022. Participants provided monthly OoPEs and rationing frequency for insulin and supplies, impacts of the COVID-19 pandemic, and open-ended comments. Results: In the seven most represented countries, mean monthly OoPEs were highest in the United States, followed by Panama, Canada, and India, and were much lower in the United Kingdom, Germany, and Sweden. OoPEs were highest for participants with partial healthcare coverage, followed by those with no healthcare coverage. The COVID-19 pandemic negatively impacted access and/or affordability of insulin and/or supplies for over half of participants. Globally, 19.5% reported insulin rationing and 36.6% reported rationing glucose testing supplies. Qualitative analysis of open-ended responses identified themes such as 'mental health impacts' and 'limits to life choices.' Discussion: High OoPEs lead to rationing of insulin and supplies for many people with T1D globally. Healthcare systems improvements and price reductions of insulin and supplies are needed to ensure adequate, equitable access for all.
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 | 0,004 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 ».