Health Technologies for Monitoring and Managing Diabetes: A Systematic Review
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: The primary objective of this review was to determine the strength of evidence for the effectiveness of self-monitoring devices and technologies for individuals with type 1 diabetes mellitus (T1DM) or type 2 diabetes mellitus (T2DM) based on specific health-related outcome measures. Self-monitoring devices included those that assist patients with managing diabetes and preventing cardiovascular complications (CVCs). A secondary objective was to explore issues of feasibility, usability, and compliance among patients and providers. METHODS: Study criteria included individuals >or=14 years and youth (7-14 years) with T1DM or T2DM, intervention with a self-monitoring device, assessment of clinical outcomes with the device, literature in English, and >or=10 participants. Relevant published literature was searched from 1985 to 2008. Randomized controlled trials and observational studies were included. Data were extracted for clinical outcomes, feasibility and compliance methods, and results. Selected studies were independently evaluated with a validated instrument for assessing methodological quality. RESULTS: Eighteen trials were selected. Predominant types of device interventions included self-monitoring of blood glucose, pedometers, and cell phone or wireless technologies. Feasibility and compliance were measured in the majority of studies. CONCLUSIONS: Self-monitoring of blood glucose continues to be an effective tool for the management of diabetes. Wireless technologies can improve diabetes self-care, and pedometers are effective lifestyle modification tools. The results of this review indicate a need for additional controlled trial research on existing and novel technologies for diabetes self-monitoring, on health outcomes associated with diabetes and CVCs, and device feasibility and compliance.
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.
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 | 0,004 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,004 | 0,000 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découle