117-OR: Changes in Barriers to Physical Activity in Adults with Type 1 Diabetes—Association with Clinical and Psychological Factors
Notice bibliographique
Résumé
Introduction and Objective: People living with type 1 diabetes (pwT1D) face barriers to physical activity (PA), such as fear of hypoglycemia, which may evolve over time. This longitudinal study aimed to evaluate changes in barriers to PA and to identify clinical and psychological factors influencing these changes. Methods: Data were obtained from adults pwT1D (≥18 years) in the Canadian BETTER registry. Participants who completed the Barriers to Physical Activity in Diabetes (BAPAD) questionnaire at baseline and at the one-year follow-up were included. Associations between changes in BAPAD score (ΔBAPAD = one year score - baseline score) and clinical or psychological factors were analyzed using Spearman and Pearson correlations. Factors assessed included treatment modality, glucose monitoring method, confidence in managing hypoglycemia (HCS), fear of hypoglycemia (HFS), diabetes-related distress (DDS), diabetes-related stigma (DSAS), and body mass index (BMI). Results: Among the 316 participants included, BAPAD score significantly decreased over time (2.62±1.20 vs. 2.40±1.08, p<0.001). No correlation was found between BAPAD score and initiating an insulin pump, initiating a continuous glucose monitor (CGM), or a change in HbA1c. Score increase was associated with discontinuation of CGM (r=0.128; p=0.033). Score decrease was associated with: decrease in BMI (r=0.192; p<0.001), increased confidence in managing hypoglycemia (r = -0.126, p = 0.026), decreased fear of hypoglycaemia (r=0.138; p=0.014), and decreased diabetes-related distress and stigma (respectively, r=0.18; p=0.001 and r=0.294; p< 0.001). Conclusion: Changes in barriers to PA are influenced by clinical and psychological factors. Maintaining access to technology, increasing confidence in managing hypoglycemia and addressing diabetes-related distress and stigma could reduce barriers to physical activity and support long-term engagement in physical activity. Disclosure C. Guédet: None. L. Alexandre-Heymann: None. J.E. Yardley: Research Support; Diabetes Canada, Canadian Institutes of Health Research. Speaker's Bureau; Dexcom, Inc. V. Messier: None. V. Boudreau: None. M. Mathieu: None. A. Brazeau: Speaker's Bureau; Dexcom, Inc. Research Support; Canadian Institutes of Health Research. Speaker's Bureau; Juvenile Diabetes Research Foundation (JDRF). Research Support; Juvenile Diabetes Research Foundation (JDRF), Diabète Québec, Fonds de recherches du Québec-Santé, Mitacs. S. Tagougui: None. R.P. Rabasa-Lhoret: Advisory Panel; Abbott, Eli Lilly and Company, Novo Nordisk, Sanofi, Insulet Corporation. Other Relationship; Medtronic. Advisory Panel; Bayer Pharmaceuticals, Inc. Funding The BETTER registry is supported by grants from the Canadian Institutes of Health Research (grant number JT1- 157204), Breakthrough T1D Canada (grant number 3- SRA-2024–1523-M-N), and Diabète Québec as well as through non-restrictive grants from Eli Lilly Canada Inc., Novo Nordisk Canada and Sanofi-Aventis Canada and a donation from Dexcom Canada.
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 | 0,001 | 0,003 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».