601-P: Exploring Strategies to Manage Hyperglycemia-Related Anxiety during Competition in Elite Athletes with Type 1 Diabetes—A Qualitative Analysis
Notice bibliographique
Résumé
Introduction & Objective: Elite athletes with type 1 diabetes (T1D) face unique challenges managing their blood glucose levels, as competitions can cause unpredictable fluctuations. The impact of hyperglycemia-related anxiety on their performance and diabetes management is important, yet research is limited. This study explores strategies used to prevent hyperglycemia-related anxiety during competition and highlights additional approaches they can use. Methods: Elite athletes >18 years old with T1D who self-reported hyperglycemia-related anxiety during competitions were recruited to participate in virtual semi-structured interviews. A discussion guide was used to direct the 30-60 minute conversation using open-ended questions. Interview content was analysed using an Interpretative Phenomenological Analysis approach. Results: Ten elite athletes with T1D (average age: 25 ± 3 years; duration of TID: 12 ± 8 years; # of competitions per year: 27 ± 19; training time per week: 12 ± 6 hours) reported the strategies they currently use during competition to manage hyperglycemia-related anxiety. These include: carefully managing insulin and nutrition intake, leveraging technology, practicing relaxation techniques, establishing routines and maintaining adequate sleep hygiene. Additional approaches that could be implemented include: addressing the psychological burden, ensuring support teams have sufficient tools and resources, promoting self-awareness and establishing peer mentorship networks. Conclusion: Elite athletes with T1D use physiological and psychological interventions to mitigate hyperglycemia-related anxiety during competition, emphasising the need for further support and education. Targeted strategies and individualized approaches are necessary to optimize performance and well-being in this population. Disclosure A. Katz: None. A. Shulkin: None. M. Fortier: None. A. Housni: None. M.K. Talbo: None. E. Sesbreno: None. J.E. Yardley: Speaker's Bureau; Dexcom, Inc. Research Support; LifeScan Diabetes Institute. J.C. Kichler: None. R. Rabasa-Lhoret: Other Relationship; Abbott, AstraZeneca, Bayer Inc., Boehringer-Ingelheim, Dexcom, Inc. Research Support; Diabetes Canada. Other Relationship; Eli Lilly and Company. Research Support; Cystic Fibrosis Canada, Canadian Institutes of Health Research, FFRD - Fondation Francophone pour la Recherche du Diabète. Other Relationship; Janssen Pharmaceuticals, Inc. Research Support; Juvenile Diabetes Research Foundation (JDRF). Other Relationship; Novo Nordisk, GlaxoSmithKline plc. Consultant; HLS Therapeutics Inc., Insulet Corporation. Speaker's Bureau; CPD Networks. Other Relationship; Medtronic. Consultant; Pfizer Inc. Speaker's Bureau; Tandem Diabetes Care, Inc. Other Relationship; Sanofi. Speaker's Bureau; Vertex Pharmaceuticals Incorporated. Research Support; SFD - Société Francophone du Diabète. A. Brazeau: Other Relationship; Dexcom, Inc. Research Support; Canadian Institutes of Health Research, Juvenile Diabetes Research Foundation (JDRF), Diabète québec, Fonds de recherche du Québec en Santé. Funding Chaire J.A DeSFve
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 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,006 | 0,005 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 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 ».