Diabetes and Technology for Increased Activity (DaTA) Study: Results of a Remote Monitoring Intervention for Prevention of Metabolic Syndrome
Notice bibliographique
Résumé
OBJECTIVE: An increasingly aged, overweight, and sedentary population has resulted in elevated risk of cardiovascular disease (CVD). The escalating incidence of diabetes and other chronic illnesses, deficits in health care budgets, and physician shortages, especially in rural communities, have prompted investigations of feasible solutions. The Diabetes and Technology for Increased Activity (DaTA) study was designed to test the effectiveness of a lifestyle intervention driven by self-monitoring of blood glucose (BG), blood pressure (BP), physical activity (PA), and weight to positively impact CVD risk factors in a medically underserviced rural population with a high incidence of metabolic syndrome (MS). RESEARCH DESIGN AND METHODS: Conducted in a community-based research setting, this single-center open feasibility study used smart phones to transmit BP, BG, pedometer, weight, heart rate, and activity measurements to a database. Technology allowed participants to interface with the clinical team and self-monitor their personal health indicators. RESULTS: Twenty-four participants aged 30 to 71 years completed the 8-week intervention. Participants had significant improvement in clinic (p = .046) and self-monitored diastolic BP (p = .001), body mass index (p = .002), and total cholesterol (p = .009), and steps per day. Daily PA increased as well as participants' interest in and willingness to make lifestyle changes that impact health outcomes. CONCLUSIONS: The DaTA study demonstrated that self-monitoring of the risk factors for MS and increased PA improved the participant's CVD risk profile. Considering the 8-week time period of this intervention, results are encouraging. This lifestyle intervention, which uses education and technology as tools, confirms the utility of remote health monitoring.
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 | 0,005 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».