CRASH: CONVERSATIONS AND REACTIONS AROUND SEVERE HYPOGLYCEMIA: A GLOBAL STUDY
Notice bibliographique
Résumé
Background and Aims: There is little known about the experience of persons with diabetes (PWD) and their caregiversu2019 (CG) knowledge of a severe hypoglycemic event (SHE), and the use of glucagon to treat such an event. The CRASH (Conversations and Reactions Around Severe Hypoglycemia) cross-sectional survey was developed to address this research gap.Method: Medical research panels were used to identify and recruit 400 participants (200 PWD and 200 CG, evenly divided between type 1 and type 2 diabetes) in each of six countries: Canada, Germany, China, Spain, UK, and US. All participants were age u226518 years old. Inclusion criteria for PWD included self-report of insulin therapy and having had experienced a SHE within the past 3 years. CG inclusion required self-report of caring for a PWD u22654 years old on insulin therapy, who had experienced a SHE within the past 3 years. Participants completed a 30-minute online survey that examined their understanding of a SHE and its treatment, their actions during the SHE, and finally, what precautionary actions occurred after the SHE in terms of prevention and emergency preparedness. Descriptive analyses were conducted. Management and impact of a SHE were analyzed by subgroups including: diabetes type, participant type, age, glucagon use. Results: Data from 400 UK participants were analyzed. Findings describe symptom recognition, knowledge and use of self-management strategies and professional emergency medical assistance. Conclusion: Results provide much needed insights of the impact SHE (both personal and societal perspectives) and current glucagon treatment have on PWD and their CG.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,005 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,007 | 0,010 |
| Science ouverte | 0,004 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,028 | 0,003 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».