MétaCan
Menu
← Retour à la cohorte
Enregistrement W6976581918 · doi:10.60692/efqgb-y6y07

Health care professionals' perspectives on screening and management of gestational diabetes mellitus in public hospitals of South India – a qualitative study

2021· article· en· W6976581918 sur OpenAlexaff

Notice bibliographique

RevueGreater South Information System · 2021
Typearticle
Langueen
DomaineMedicine
ThématiqueGestational Diabetes Research and Management
Établissements canadiensSt. Thomas Hospital
Organismes subventionnairesnon disponible
Mots-clésGestational diabetesQualitative researchContext (archaeology)Public healthHealth careGrounded theoryPublic hospitalPregnancyPrenatal care

Résumé

récupéré en direct d'OpenAlex

Women developing Gestational Diabetes Mellitus (GDM) are subsequently at a higher risk of developing Type 2 Diabetes later in life. Screening and effective management of women with GDM are essential in preventing progression to type 2 diabetes mellitus. We aimed to explore the perspectives of healthcare providers regarding the barriers from the health system context that restrict the timely screening and effective management of GDM.We conducted six in-depth interviews of health care providers- four with nurses and two with obstetricians in the public hospitals in India's major city (Bengaluru). The interviews were conducted in the preferred language of the participants (Kannada for nurses, English for the obstetricians) and audio-recorded. All Kannada interviews were transcribed and translated into English for analysis. The primary data were analyzed using the grounded theory approach by NVivo 12 plus. The findings are put into perspective using the socio-ecological model.Health care providers identified delayed visits to public hospitals and stress on household-level responsibilities as barriers at the individual level for GDM screening. Also, migration of pregnant women to their natal homes during first pregnancy is a cultural barrier in addition to health system barriers such as unmet nurse training needs, long waiting hours, uneven power dynamics, lack of follow-up, resource scarcity, and lack of supportive oversight. The barriers for GDM management included non-reporting women to follow - up visits, irregular self-monitoring of drug and blood sugar, trained staff shortage, ineffective tracking, and lack of standardized protocol.There is a pressing need to develop and improve existing GDM Screening and Management services to tackle the growing burden of GDM in public hospitals of India.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,005
score de la tête « metaresearch » (Gemma)0,009
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,020
Score d'incertitude au seuil0,046

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,009
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0070,005
Communication savante0,0040,002
Science ouverte0,0010,004
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,041
Tête enseignante GPT0,327
Écart entre enseignants0,286 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGreater South Information System→Même sujetGestational Diabetes Research and Management→Travaux en français237 207→