What training and support do people need to make optimal use of automated insulin delivery systems: Interview study
Notice bibliographique
Résumé
INTRODUCTION: Despite increased use of automated insulin delivery (AID) systems, limited attention has been paid to users' training and support needs. Indeed, most guidance has been driven by clinician opinion rather than users' experiences and needs. We explored the experiences of adults with type 1 diabetes initiated onto AID to make recommendations for supporting optimal use of AID systems in routine clinical practice. METHODS: We conducted interviews with n = 22 individuals who used the Tandem t:slim X2™ with Control-IQ technology AID system for ≥6 and ≤12 months. Data were analysed thematically. RESULTS: Users reported wide-ranging clinical and quality-of-life benefits. However, to actualise these benefits, they highlighted a need for bespoke training which took account of their learning preferences and strengths, pace of learning and prior insulin pump experience, together with ongoing support from healthcare professionals. Thematic analysis uncovered four overlapping support needs: (1) support reviewing data and making adjustments to the system's settings, (2) emotional/psychological support to help sustain motivation and/or adopt more passive self-management roles, (3) support to unlearn unhelpful behaviours and/or establish new habits and routines; and (4) educational support. CONCLUSIONS: AID systems are an exciting advance in diabetes treatment. However, to achieve optimal gains, users would benefit from initial training and ongoing glycaemic, educational, and psychosocial support tailored to their preferred ways of learning and personal circumstances. Consideration should be given to adapting existing education and training packages for AID system users to incorporate behavioural science techniques and upskilling diabetes professionals in behaviour change approaches and motivational interviewing.
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 | 0,006 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,002 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».