Supporting Adolescents and Young Adults through Digitally Mediated Type 1 Diabetes Transition Care: A Qualitative Descriptive Study
Notice bibliographique
Résumé
Objective . The time during which adolescents and young adults (AYAs) living with Type 1 Diabetes (T1D) transition from pediatric to adult care is associated with blood sugar levels outside of target ranges, care gaps, and an increased risk of acute diabetes complications. The aim of this study was to understand (1) the perspectives of AYAs and providers about the strengths, challenges, and opportunities of transition care and (2) the role of digital technologies in supporting the transition to adult care. Research Design and Methods . We conducted a qualitative descriptive study that involved 43 semistructured interviews in French or English with AYA living with T1D (aged 16–25; n = 22) and pediatric or adult diabetes health care providers (HCPs) ( n = 21). Results . We identified three themes. First, transition care is not standardized and varies widely, and there is a lack of awareness of transition guidelines. Second, virtual care can simultaneously hinder and help relationship‐building between providers and AYA. Third, AYAs value a holistic approach to care; both HCPs and AYA highlighted the opportunity to better support overall mental wellbeing. Conclusions . The design of digital technologies to support T1D transition care should consider methods for standardizing holistic care delivery and integrating hybrid diabetes care visits to support access to transition care. These findings can inform future transition intervention development that leverages existing transition guidelines, targets holistic care model integration, and considers quantitative diabetes metrics in conjunction with broader life experiences of AYA when providing transition care.
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 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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».