Power to Empower: \nDesigning for Type 2 Diabetes
Notice bibliographique
Résumé
Abstract \nThe growing prevalence of people living with Type 2 Diabetes (PLWT2D) and the increase in the magnitude of associated comorbidities continue to impact people across Canada leading to severe health problems with no signs of slowing down. Despite significant investments in research, public health interventions, clinical care and new treatments and technologies, Canada ranks 10th among the 17 peer countries. (OECD Health, 2023) in Diabetes prevalence. \nCanada has a low physician-to-patient ratio and many Canadians do not have access to a family doctor. Canada has 2.7 physicians per 1,000 people compared to the OECD average of 3.5 physicians per 1,000 people (OECD Health, 2023). Most People living with Type 2 Diabetes are under the care of primary care practitioners, who are experiencing unprecedented burnout, an increase in unpaid administrative work, and limited time to see the overflowing numbers of patients in their practice. \nThe implications of the increase in prevalence of Type 2 Diabetes and less access to primary care practitioners to provide care, creates concern about the future of population health and the capabilities of health care systems to meet the demands. \nTo better understand why the problem persists, our research focused on what creates delays in recommendations for care from healthcare providers, and what creates delays in the adoption of recommendations for care by people living with Type 2 Diabetes. \nBold intervention strategies are required to change the trajectory of Type 2 diabetes prevalence and in this paper, we make a case for how design offers new perspectives on problem solving within the scope of providers of care and people living with Type 2 Diabetes.
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) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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; 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 ».