Developing social network typologies for South Asian caregivers with prediabetes, gestational diabetes, and type 2 diabetes in Peel Region, Ontario, Canada.
Notice bibliographique
Résumé
BACKGROUND: The prevalence of type 2 diabetes (T2D) is increasing globally, especially among South Asian (SA) adults, and requires innovative solutions. Traditional T2D prevention and management programs focus on lifestyle change but this is often challenging for caregivers with competing priorities and may not fit a family's needs. Utilizing social support has been promising for supporting diabetes prevention and management. We aim to explore how the social networks of SA caregivers with diabetes can influence their health and inform interpersonal and community-level health interventions for this community. METHOD: Participants lived in Peel Region, Ontario were diagnosed with T2D, prediabetes, or gestational diabetes and were SA caregivers of children under 24 years old. Caregivers completed a semistructured interview to discuss (a) their experiences, perceptions, and beliefs about T2D, (b) their caregiving roles in their diabetes management, (c) how the social determinants of health impact diabetes management, and (d) the individuals and resources influencing their diabetes management. We used network analysis to explore network size and composition in relation to social supports. RESULTS: Twenty-one caregivers completed interviews. We identified three network typologies for caregivers, including (a) healthcare and community program focused, (b) isolated, and (c) family and diverse social support and explored how caregivers describe the network actors as supporting or not supporting their diabetes management. CONCLUSION: This study advances our understanding of the social networks and supports that SA caregivers use to support diabetes management and further emphasizes the importance of leveraging existing community supports. (PsycInfo Database Record (c) 2025 APA, all rights reserved).
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».