Requisite Characteristics of a Mentor to Establish Positive Relationships in a Type One Diabetes Intervention from the Mentee’s Perspective
Notice bibliographique
Résumé
Background: Diabetes has reached global epidemic proportions. Type 1 Diabetes (T1D) typically strikes in childhood and is now becoming more prevalent in young adults. Evidence suggests that proactive harnessing of the positive attributes of a peer-to-peer mentor-mentee relationship could help mediate and decrease prevalence, assist with better glycemic control, reverse nonadherence and provide psychosocial support and education to people with diabetes. Research Question: What are the requisite components of a mentor needed to establish an effective mentorship relationship in a peer-to-peer coaching intervention for young adults with type one diabetes from the mentee’s perspective? Methods: A qualitative research design was used with Sandelowski’s (2010) qualitative descriptive approach. The Right Who, Respect, Information gathering, Consistency, and Support (TRICS) model was used as a theoretical framework (Donlan et al., 2017). Sample: 20 young adults aged 18-30 with T1D were recruited through snowball sampling. One semi-structured interview was completed with each participant. Data Analysis: All interview data were audiotaped and transcribed verbatim and managed through NVIVO. Findings/Discussion: Three themes were revealed in the data; 1) T1D is a personal journey through self-realization and acceptance; 2) inconsistencies in social support systems and 3) a mentor- is a companion on the journey. One supplemental theme highlights the perceived impact of COVID-19 on participants T1D. Conclusion: Individuals with T1D perceived there is value in cultivating a mentored form of peer support. Developing and evaluating a mentor/mentee dyad as a supportive intervention for T1D adults transitioning to adult care is the next step for future research.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,010 | 0,023 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,004 | 0,002 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), 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 ».