Self-Monitoring Using Continuous Glucose Monitors with Real-Time Feedback Improves Exercise Adherence in Individuals with Impaired Blood Glucose: A Pilot Study
Notice bibliographique
Résumé
BACKGROUND: Exercise helps individuals with prediabetes or type 2 diabetes (T2D) manage their blood glucose (BG); however, exercise adherence in this population is dismal. In this pilot study we tested the efficacy of a self-monitoring group-based intervention using continuous glucose monitors (CGMs) at increasing exercise adherence in individuals with impaired BG. MATERIALS AND METHODS: Thirteen participants with prediabetes or T2D were randomized to an 8-week standard care exercise program (CON condition) (n = 7) or self-monitoring exercise intervention (SM condition) (n = 6). Participants in the SM condition were taught how to self-monitor their exercise and BG, to goal set, and to use CGM to observe how exercise influences BG. We hypothesized that compared with the CON condition, using a real-time CGM would facilitate self-monitoring behavior, resulting in increased exercise adherence. RESULTS: Repeated-measures analysis of variance revealed significant Condition × Time interactions for self-monitoring (P < 0.01), goal setting (P = 0.01), and self-efficacy to self-monitor (P = 0.01), such that the SM condition showed greater increases in these outcomes immediately after the program and at the 1-month follow-up compared with the CON condition. The SM condition had higher program attendance rates (P = 0.03), and a greater proportion of participants reregistered for additional exercise programs (P = 0.048) compared with the CON condition. Participants in both conditions experienced improvements in health-related quality of life, waist circumference, and fitness (P values <0.05). CONCLUSIONS: These findings provide promising initial support for the use of a real-time CGM to foster self-monitoring and exercise behavior in individuals living with prediabetes or T2D.
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 | 0,003 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».