mHealth Technology and Nurse Health Coaching to Improve Health in Diabetes: Protocol for a Randomized Controlled Trial
Notice bibliographique
Résumé
Background: Chronic diseases, including diabetes mellitus, are the leading cause of mortality and disability in the United States. Current solutions focus primarily on diagnosis and pharmacological treatment, yet there is increasing evidence that patient-centered models of care are more successful in improving and addressing chronic disease outcomes. Objective: The objective of this clinical trial is to evaluate the impact of a mobile health (mHealth) enabled nurse health coaching intervention on self-efficacy among adults with type-2 diabetes mellitus. Methods: A randomized controlled trial was conducted at an academic health system in Northern California. A total of 300 participants with type-2 diabetes were scheduled to be enrolled through three primary care clinics. Participants were randomized to either usual care or intervention. All participants received training on use of the health system patient portal. Participants in the intervention arm received six scheduled health-coaching telephone calls with a registered nurse and were provided with an activity tracker and mobile application that integrated data into the electronic health record (EHR) to track their daily activity and health behavior decisions. All participants completed a baseline survey and follow-up surveys at 3 and 9 months. Primary and secondary outcomes include diabetes self-efficacy, hemoglobin A1c (HbA1c), and quality of life measures. Results: Data collection for this trial, funded by the Patient-Centered Outcomes Research Institute, will be completed by December 2017. Results from the trial will be available mid-2018. Conclusions: This protocol details a patient-centered intervention using nurse health coaching, mHealth technologies, and integration of patient-generated data into the EHR. The aim of the intervention is to enhance self-efficacy and health outcomes by providing participants with a mechanism to track daily activity by offering coaching support to set reasonable and attainable health goals, and by creating a complete feedback loop by bringing patient-generated data into the EHR. Trial Registration: ClinicalTrials.gov NCT02672176; https://clinicaltrials.gov/ct2/show/NCT02672176 (Archived by WebCite at http://www.webcitation.org/6xEQXe1M5)
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 | 0,036 | 0,033 |
| Méta-épidémiologie (sens strict) | 0,007 | 0,004 |
| Méta-épidémiologie (sens large) | 0,013 | 0,006 |
| Bibliométrie | 0,003 | 0,004 |
| Études des sciences et des technologies | 0,005 | 0,004 |
| Communication savante | 0,006 | 0,004 |
| Science ouverte | 0,004 | 0,003 |
| Intégrité de la recherche | 0,007 | 0,011 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,117 | 0,017 |
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 ».