MétaCan
Menu
Retour à la cohorte
Enregistrement W4411286592 · doi:10.1093/fampra/cmaf027

Primary care insights on the management of diabetes: results from a mixed method study of care changes and impacts during the COVID-19 pandemic

2025· article· en· W4411286592 sur OpenAlexafffundabout
Karla Freeman, Abe Hafid, Dee Mangin, Andrea Carruthers, Meredith Vanstone, Kris Aubrey‐Bassler, J. S. Lawson, Marie‐Thérèse Lussier, Kathryn Nicholson, Neil Drummond, John Queenan, Michelle Howard

Notice bibliographique

RevueFamily Practice · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueCOVID-19 and healthcare impacts
Établissements canadiensWestern UniversityUniversity of AlbertaUniversité de MontréalMemorial University of NewfoundlandQueen's UniversityMcMaster University
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésMedicinePandemicCoronavirus disease 2019 (COVID-19)Primary care2019-20 coronavirus outbreakDiabetes mellitusSevere acute respiratory syndrome coronavirus 2 (SARS-CoV-2)Diabetes managementMEDLINEFamily medicineVirologyType 2 diabetesInternal medicineDiseaseInfectious disease (medical specialty)Outbreak

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: In Canada, primary care manages most diabetes care. The COVID-19 pandemic disrupted primary care, reducing access to care and monitoring. OBJECTIVES: We aim to describe changes in diabetes monitoring during the first 21 months of the pandemic, patients' experiences with these changes, and impact on HbA1c and blood pressure (BP) control. METHODS: We conducted a two-phase mixed methods study: (i) A retrospective pre-post cohort study using de-identified electronic medical record data to compare HbA1c and BP measurement frequency and results in diabetic patients prepandemic (22 June 2018 to 12 March 2020) and during the pandemic (13 March 2020 to 3 December 2021); (ii) A qualitative descriptive analysis using semistructured interviews to understand patient experiences navigating diabetes care during the pandemic. RESULTS: The cohort included 84 617 patients with validated diabetes case definition. Proportion of patients with <1 HbA1c test increased by 10% during the pandemic. For those with ≥1 test, mean HbA1c remained unchanged [mean (SD) HbA1cPre: 7.2 (1.3); HbA1cDuring: 7.2 (1.3); P = .51]. Proportion of patients with <1 BP measurement increased by 23%. For those with ≥1 measurement, mean BP remained clinically similar [mean (SD) sBPPre: 131.8 (13.7); sBPDuring: 132.9 (15.2); P < .01. Mean dBPPre: 74.9 (8.6); dBPDuring: 75.1 (9.1); P = .63]. Nineteen participants were interviewed, discussing virtual care, challenges with self-monitoring, and self-management strategies. CONCLUSIONS: Mean HbA1c and BP values remained clinically stable during the pandemic despite reductions in monitoring frequency, likely due to continuity of care and patient self-management. Future research should evaluate a de-intensified frequency of diabetes monitoring and address care gaps.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,051
score de la tête « metaresearch » (Gemma)0,063
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,051
Score d'incertitude au seuil0,268

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0510,063
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,003
Études des sciences et des technologies0,0050,002
Communication savante0,0050,003
Science ouverte0,0020,006
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,096
Tête enseignante GPT0,415
Écart entre enseignants0,319 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2025
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueFamily PracticeMême sujetCOVID-19 and healthcare impactsTravaux en français237 207