Evaluating the Feasibility and Impact of an Internet-Based Lifestyle Management Program in a Diabetes Care Setting
Notice bibliographique
Résumé
BACKGROUND: This study determined the impact of an online lifestyle management program on obese individuals with type 2 diabetes in a large academic diabetes clinic. SUBJECTS AND METHODS: Using a single cohort design, individuals with type 2 diabetes and a body mass index (BMI) of ≥ 30 kg/m(2) were recruited to have access to the Virtual Lifestyle Management (VLM) program for 1 year, in addition to their routine care. Participants were assessed at baseline and at 6 and 12 months for the following outcomes: (a) glycated hemoglobin (A1C), (b) lipids (total cholesterol [TC] and TC/high-density lipid [HDL] ratio), (c) weight, (d) BMI, and (e) body fat percentage (BFP). RESULTS: Seventy-eight individuals consented to the study, 66 (84%) logged onto the system two or more times, and 49 (62%) contributed data at the 1-year program. At baseline, the mean age of participants was 57.9 years of age, and 52% were female. At 12 months, mean differences from baseline were as follows: A1C, -0.3% (95% confidence interval [CI] -0.1, -0.5; P<0.05); TC/HDL, -0.2 (95% CI -0.01, -0.04; P<0.05); weight, -8.6 pounds (95% CI -3.7, -13.6; P<0.05); BMI, -1.5 kg/m(2) (95% CI -0.7, -2.3; P<0.05); and BFP, -1.8% (95% CI -0.9, -2.7; P<0.05). After adjusting for program use, age, and sex, changes in BMI, BFP, and self-reported daily steps taken were statistically significant at 12 months. CONCLUSIONS: This before-after pilot study demonstrates that adding an Internet-based lifestyle modification program to usual care may improve clinically important outcomes.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».