The First Nations Community Experiences With the SOAR Research Program: Improving Type 2 Diabetes Prevention and Management
Notice bibliographique
Résumé
OBJECTIVES: Indigenous peoples in Canada are considered the highest risk populations for type 2 diabetes mellitus (T2DM). Quality improvement (QI) strategies may be considered effective interventions for improving T2DM health outcomes. The purpose of this study was to understand experiences associated with implementation of the SOAR QI program to improve prevention and management of T2DM. METHODS: A qualitative study was conducted, and in-depth, semistructured interviews were held with QI team members and key contacts, in person and through videoconference with 2 First Nations communities. Interviews were audio-recorded and transcribed for data analysis. RESULTS: Ten interviews were conducted and emerging themes from the data analysis were organized into 2 categories: facilitators and barriers. Four subthemes were identified. Two subthemes emerged under the category of facilitators (cultural relevance and partnership building) and 2 subthemes emerged under the category of barriers (workload burden, role ambiguity). CONCLUSIONS: This study highlights the necessity of implementing diabetes QI strategies that foster cultural sensitivity and provide opportunities for partnership building to strengthen community relationships. We also highlight the importance of diminishing role ambiguity and increased workload burdens, which can hinder the successful implementation of QI programs long term. Our findings can be used to improve future adaptations of SOAR and other diabetes First Nations-focussed QI strategies to benefit Indigenous people in acquiring optimal outcomes relative to T2DM care. Findings can also inform the design, practices, and policies of such QI interventions in support of the spread and sustainability of the intervention long term.
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 | 0,014 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,018 | 0,005 |
| Communication savante | 0,005 | 0,003 |
| Science ouverte | 0,002 | 0,009 |
| Intégrité de la recherche | 0,002 | 0,010 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».