Blood glucose self-monitoring and internet diabetes management on A1C outcomes in patients with type 2 diabetes
Notice bibliographique
Résumé
OBJECTIVES: The purpose of this study was to determine any correlation between frequency of self-monitoring of blood glucose (SMBG), frequency of patient-provider communication of SMBG (reporting), and hemoglobin A1C for patients with non-insulin-dependent diabetes solely on oral medications. RESEARCH DESIGN AND METHODS: 191 charts of patients with type 2 diabetes treated solely with oral hypoglycemic agents were reviewed retrospectively. A1C, SMBG frequency, and frequency of online communication with an endocrinologist within the most recent 6-month period were used in the analyses. Regression analysis was used to determine correlations to A1C. For subsequent subgroup analysis, patients were separated into infrequent and frequent SMBG groups, defined as those who test on average once or less per day or twice or more per day. RESULTS: Although testing frequency did not correlate with A1C, higher reporting frequency correlated with lower A1C. Subgroup analysis of the frequent SMBG group showed a significantly lower A1C in frequent reporters when compared to infrequent reporters (N=118, p<0.05). This trend was not observed in the infrequent SMBG group (N=73, p=0.161). CONCLUSIONS: The inverse correlation between reporting frequency and A1C, as well as the significant difference in A1C only for the frequent testers, suggests that frequent SMBG has an effect on reducing A1C only when combined with regular, frequent communication of SMBG with a healthcare provider.
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 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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».