MétaCan
Menu
Retour à la cohorte
Enregistrement W2624261969 · doi:10.2196/diabetes.7693

Impact of Facebook on Glucose Control in Type 1 Diabetes: A Three-Year Cohort Study

2017· article· en· W2624261969 sur OpenAlexvenueno aff
Goran Petrovski, Marija Živković

Notice bibliographique

RevueJMIR Diabetes · 2017
Typearticle
Langueen
DomaineHealth Professions
ThématiqueMobile Health and mHealth Applications
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPsychological interventionMedicineThe InternetCohortSocial mediaUploadHealth careDiabetes mellitusGlycated hemoglobinFamily medicineType 2 diabetesNursingInternal medicineWorld Wide WebComputer science

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: As the world is changing, traditional health care services should be adapted for the new era of technology and the Internet. One of the possible ways for communication between health care providers and patients is social media. There are several benefits of social media in health: increased interactions with others; more available and shared information; increased accessibility; social or emotional support. OBJECTIVE: The aim of this study was to evaluate the results of Facebook and CareLink software as a possible Internet tool to improve diabetes control in type 1 diabetes patients using a sensor augmented pump. METHODS: A total of 67 adolescents with type 1 diabetes and in the age range of 14-23 years were randomized in 2 groups: (1) Traditional group and (2) Internet group. In the traditional group, 34 patients were treated using standard medical protocol with regular clinic visits, where data were uploaded at the clinic and interventions (pump settings-basal bolus insulin and education) were delivered to the patient. In the Internet group, 33 patients were treated using Facebook and CareLink software (Medtronic Diabetes) on a monthly basis, where the data were uploaded by the patient at home and interventions (same as traditional group) were delivered via Facebook (written reports and chats). Both the traditional and Internet group had regular visits every 3 months with standard medical protocol. Glycosylated hemoglobin (HbA1c) was obtained before and every 3 months during the study for a 3-year-period. RESULTS: The improvement in glucose control was found in both groups: 7.9% (SD 1.4) [62.8 mmol/mol (SD 12.9)] to 6.9% (SD 1.2) [51.9 mmol/mol (SD 10.8)] in the traditional group, and 7.8% (SD 1.8) [61.7 mmol/mol (SD 17.2)] to 6.7% (SD 1.8) [49.7 mmol/mol (SD 17.3)] in the Internet group). Significant improvement of HbA1c (P<.05) was found in favor of the Internet group. CONCLUSIONS: Social media such as Facebook as a tool can assist in standard medical care to improve glucose control in a long term period in adolescents with type 1 diabetes using insulin pump therapy.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,020

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,042
Tête enseignante GPT0,443
Écart entre enseignants0,402 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations24
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR DiabetesMême sujetMobile Health and mHealth ApplicationsTravaux en français237 207