A Scoping Review on Community-based Diabetes Screening Interventions: Paving the Pathway to Early Care and Prevention of Diabetes
Notice bibliographique
Résumé
PURPOSE OF REVIEW: This review mapped evidence on community-based screening interventions for early detection of prediabetes and type 2 diabetes (T2D), and identified barriers and strategies for developing and implementing such interventions in community settings for diverse populations. RECENT FINDINGS: Using the Arskey & O'Malley and Levac frameworks, we conducted a scoping review that identified 33 studies across 13 countries that developed and tested a community-based T2D screening intervention, utilizing risk assessment and Point-of-Care (POC) glucose testing. Screenings occurred in settings such as pharmacies (21%), faith-based centers (6%), and mobile vans (6%), with most studies from the United States (42%), Australia (16%), and Canada (9%). Post-screening, 89% of interventions offered referrals to primary care, while few connected participants to community programming. Barriers and strategies were mapped to the socioecological model to guide future development and implementation of early detection interventions in community settings. This review identified key factors for successful community-based T2D screening interventions, including adequate resources (i.e., funding and personnel), community engagement efforts, and accessible, feasible screening of T2D in community settings. POC testing proved valuable for early detection through immediate glucose results that would prompt potential interventions. However, challenges remain in ensuring long-term sustainability and feasibility of such approaches, as many interventions encountered high attrition rates due to challenges with referral pathways to health care and community programs, structural inequities, and lack of sustainable follow-up processes. Future research should focus on evaluating the cost-effectiveness and sustainable integration of these community-based T2D screening approaches into health systems for broader impact.
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 | 0,078 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,007 | 0,007 |
| Bibliométrie | 0,016 | 0,019 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,006 | 0,004 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,004 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,001 |
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 ».