Are There Mental Health Benefits for Those Who Deliver Peer Support? A Mobile App Intervention for Adults with Type 1 Diabetes
Notice bibliographique
Résumé
Background/Objectives: Peer support offers a promising approach for improving psychosocial outcomes among adults with type 1 diabetes (T1D). However, research has focused largely on the recipients of peer support rather than the individuals who provide support. This pilot study investigates the impact of delivering support on diabetes distress and other secondary mental health outcomes (e.g., depressive symptoms, resilience, and perceived social support). Methods: This pre–post single-cohort study recruited 44 adults with T1D who underwent a six-hour Zoom-based peer supporter training program designed to equip them with support-related skills (asking open-ended questions, making reflections, expressing empathy). Of this group, 36 served as peer supporters for REACHOUT, a six-month mental health support intervention delivered via mobile app. Assessments were conducted at baseline and after six months and measured diabetes distress (Type 1 Diabetes Distress Scale), depressive symptomatology (Patient Health Questionnaire-8), resilience (Diabetes Strengths and Resilience Measure), and perceived social support. Unadjusted and adjusted linear mixed models were performed for each outcome measure of interest. Results: Peer supporters had a mean age of 41 ± 16 years, with a majority identifying as female (75%). At baseline, peer supporters had little to no diabetes distress (50%) and no to mild depressive symptomatology (72%). Mean scores at baseline for diabetes distress, depressive symptoms, resilience, and perceived social support were sustained at 6 months post-intervention. Conclusions: Among peer supporters whose diabetes distress scores start around the target range, ongoing maintenance of these levels may reflect a favorable outcome associated with delivering mental health support.
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) | 0,001 | 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 ».