Patients' perspectives on how to improve diabetes self-management and medical care: a qualitative study
Notice bibliographique
Résumé
Background: The experience of living with a chronic disease such as diabetes can provide valuable knowledge about medical care and self-management. Such knowledge may be of use to people seeking to improve diabetes self-management and to health professionals seeking to provide better patient-centered care. Objective: To identify potential areas for improvement in diabetes care from the perspectives of people living with diabetes and their caregivers. Methods: We interviewed 21 people living with diabetes (hereafter called expert patients) who were patient partners in a national Patient-Oriented Research network. Expert patients were men and women from various backgrounds, including Indigenous people and immigrants to Canada. They had significant lived experience of diabetes and were able to offer diverse patient and caregiver perspectives. Three authors independently analyzed videos using inductive framework analysis, identifying themes through discussion and consensus. Results: From expert patients’ perspective, people living with diabetes benefit from acknowledging and accepting the reality of diabetes, receiving support from their family and care team, and not letting diabetes control their lives. To improve diabetes care, health professionals should understand and acknowledge the impact of diabetes on patients and their families, and communicate with patients openly, respectfully, with empathy and cultural competency. Conclusions: From the perspectives of expert patients, there are areas for improvements in diabetes care. These improvements are actionable individually by patients or health professionals and also collectively through collaboration between both groups. Improving the quality of care in diabetes is crucial for improving health outcomes in Canada.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| 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 | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,082 | 0,175 |
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 ».