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 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 | 0,005 | 0,012 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 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 ».