Understanding primary care provider perspectives of the implementation of an integrated diabetes and mental health care solution
Notice bibliographique
Résumé
AIM: This research aimed to explore the perspectives of primary and community care providers on the challenges that hinder the delivery and uptake of personalized type 2 diabetes (T2D) care, with a focus on the integration of mental health support and care. BACKGROUND: The day-to-day burden and demand of self-managing T2D can negatively impact quality of life and take a toll on mental health and psychological well-being. As a result, there is a need for personalized T2D self-management education and support that integrates mental health care. Despite the need for this personalized care, existing systems remain siloed, hindering access and uptake. In response, innovative, comprehensive, and collaborative models of care have been developed to address fragmentations in care. As individuals living with T2D often receive their care in primary care settings, linking mental health care to existing teams and networks in primary care settings is required. However, there is a need to understand how best to support access, adoption, and engagement with these models in these unique contexts. METHODS: A cross-sectional survey was distributed to primary and community providers of an Ontario-based smoking cessation network. Survey data were analyzed descriptively with free text responses thematically reported. FINDINGS: Survey respondents (n = 85) represented a broad mix of health professions across primary and community care settings. Addressing challenges to the delivery and uptake of personalized T2D care requires comprehensive strategies to address patient-, practice-, and system-level challenges. Findings from this survey identify the need to tailor these models of care to individual needs, clearly addressing mental health needs, and building strong partnership as means of enhancing accessibility and sustainability of integrated care delivery in primary care settings.
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 | 0,033 |
| 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 | 0,006 | 0,003 |
| Communication savante | 0,006 | 0,003 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,003 | 0,004 |
| 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 ».