Remote Monitoring Technologies for the Prevention of Metabolic Syndrome: The Diabetes and Technology for Increased Activity (DaTA) Study
Notice bibliographique
Résumé
OBJECTIVES: Remote monitoring technologies are ideally suited for rural communities with limited access to health care. In an 8-week pilot study, we examined the feasibility of implementing and conducting a technology-intensive intervention in an underserviced rural setting. Our goal was to test the utility of self-monitoring technologies, physical activity, and education as tools to manage health indicators for the development of the cardiovascular complications (CVCs) of type 2 diabetes. RESEARCH DESIGN AND METHODS: The Diabetes and Technology for Increased Activity study was an open single-center study conducted in a community-based research setting. All 24 participants were provided with a Blackberry™ Smartphone, blood pressure monitor, glucometer, and pedometer. Smartphones transmitted measurements and survey results to the database, interfaced participants with the clinical team, and allowed for self-monitoring. RESULTS: Outcomes were improved body composition, improved markers of CVC risk factors, increased daily exercise, and interest in or awareness of lifestyle changes that impact health outcomes. Participants had excellent compliance for measurements, as self-monitoring provided a sense of security that improved from week 4 to week 8. CONCLUSIONS: Our team gained substantial insight into the operational requirements of technology-facilitated health care, including redefined hours of service; data reporting, management, and access protocols; and the utility of real-time clinical measures by remote monitoring. We developed an understanding of knowledge translation strategies as well as successful motivational and educational tools. Importantly, remote monitoring technology was found to be feasible and accepted in a rural setting.
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 | 0,008 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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.
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 ».