MétaCan
Menu
Retour à la cohorte
Enregistrement W2105542756 · doi:10.1109/iembs.2009.5333998

UK and Canadian perspectives of the effectiveness of mobile diabetes management systems

2009· article· en· W2105542756 sur OpenAlexaffabout
Emily Seto, R.S.H. Istepanian, Joseph A Cafazzo, Alexander G. Logan, Ala Sungoor

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineHealth Professions
ThématiqueMobile Health and mHealth Applications
Établissements canadiensLunenfeld-Tanenbaum Research InstituteMount Sinai HospitalUniversity of TorontoUniversity Health Network
Organismes subventionnairesnon disponible
Mots-clésDiabetes mellitusClinical trialMedicineDisease managementDiabetes managementMobile technologyBlood pressureType 2 diabetesDiseaseHealth careTelemedicineChronic diseaseComputer scienceIntensive care medicineMobile computingTelecommunicationsInternal medicine

Résumé

récupéré en direct d'OpenAlex

The use of mobile technologies for self-monitoring of blood glucose and blood pressure for diabetes patients is becoming increasingly popular worldwide. This is propelled by the proliferation of the wider usage of mobile phones and other wireless technologies and computing platforms in the healthcare sector. Such technologies can play a pivotal role in chronic disease management and patient self-care. There have been several clinical trials in recent years on mobile diabetes management in UK and Canada. However, no studies to date have addressed and correlated the technological and clinical outcomes concerning the use of mobile chronic disease management systems for diabetes from the UK and Canadian perspectives. In this paper we address some of these correlative issues based on similar clinical trials on mobile type-2 diabetes management systems deployed in these two countries. In particular, the outcomes of these trials supported the use of telemonitoring for effective blood pressure control, but telemonitoring was less effective at managing blood glucose control. Some of the clinical results and challenges are presented together with future work and suggestions that aim to validate a generic platform for mobile diabetes management.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,008
score de la tête « metaresearch » (Gemma)0,043
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,053
Score d'incertitude au seuil0,383

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0080,043
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,006
Études des sciences et des technologies0,0060,002
Communication savante0,0090,002
Science ouverte0,0010,002
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0170,001

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.

Tête enseignante Opus0,013
Tête enseignante GPT0,351
Écart entre enseignants0,338 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations20
Publié2009
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetMobile Health and mHealth ApplicationsTravaux en français237 207