Group-based activities with on-site childcare and online support improve glucose tolerance in women within 5 years of gestational diabetes pregnancy
Notice bibliographique
Résumé
BACKGROUND: Women with gestational diabetes history are at increased risk for type 2 diabetes. They face specific challenges for behavioural changes, including childcare responsibilities. The aim of this study is to test a tailored type 2 diabetes prevention intervention in women within 5 years of a pregnancy with gestational diabetes, in terms of effects on weight and cardiometabolic risk factors. METHODS: The 13-week intervention, designed based on focus group discussions, included four group sessions, two with spousal participation and all with on-site childcare. Web/telephone-based support was provided between sessions. We computed mean percentage change from baseline (95% confidence intervals, CI) for anthropometric measures, glucose tolerance (75 g Oral glucose tolerance test), insulin resistance/sensitivity, blood pressure, physical activity, dietary intake, and other cardiometabolic risk factors. RESULTS: Among the 36 enrolled, 27 completed final evaluations. Most attended ≥ 3 sessions (74%), used on-site childcare (88%), and logged onto the website (85%). Steps/day (733 steps, 95% CI 85, 1391) and fruit/vegetable intake (1.5 servings/day, 95% CI 0.3, 2.8) increased. Proportions decreased for convenience meal consumption (-30%, 95% CI -50, -9) and eating out (-22%, 95% CI -44, -0) ≥ 3 times/month. Body mass index and body composition were unchanged. Fasting (-4.9%, 95% CI -9.5, -0.3) and 2-hour postchallenge (-8.0%, 95% CI -15.6, -0.5) glucose declined. Insulin sensitivity increased (ISI 0,120 23.7%, 95% CI 9.1, 38.4; Matsuda index 37.5%, 95% CI 3.5, 72.4). Insulin resistance (HOMA-IR -9.4%, 95% CI -18.6, -0.1) and systolic blood pressure (-3.3%, 95% CI -5.8, -0.8) decreased. CONCLUSIONS: A tailored group intervention appears to lead to improvements in health behaviours and cardiometabolic risk factors despite unchanged body mass index and body composition. This approach merits further study. CLINICAL TRIAL REGISTRATION: ClinicalTrials.gov (NCT01814995).
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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) | 0,003 | 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 ».