Smartphone-Enabled Health Coach Intervention for People With Diabetes From a Modest Socioeconomic Strata Community: Single-Arm Longitudinal Feasibility Study
Notice bibliographique
Résumé
BACKGROUND: Lower socioeconomic strata (SES) populations have higher chronic disease risks. Smartphone-based interventions can support adoption of health behaviors that may, in turn, reduce the risks of type 2 diabetes-related complications, overcoming the obstacles that some patients may have with regular clinical contact (eg, shiftwork, travel difficulties, miscommunication). OBJECTIVE: The intent of the study was to develop and test a smartphone-assisted intervention that improves behavioral management of type 2 diabetes in an ethnically diverse, lower SES population within an urban community health setting. METHODS: This single-arm pilot study assessed a smartphone application developed with investigator assistance and delivered by health coaches. Participants were recruited from the Black Creek Community Health Centre in Toronto and had minimal prior experience with smartphones. RESULTS: A total of 21 subjects consented and 19 participants completed the 6-month trial; 12 had baseline glycosylated hemoglobin (HbA1c) levels >7.0% and these subjects demonstrated a mean reduction of 0.43% (SD 0.63) (P<.05) with minimal changes in medication. CONCLUSIONS: This project supported the feasibility of smartphone-based health coaching for individuals from lower SES with minimal prior smartphone experience.
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 | 0,045 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».