MétaCan
Menu
Retour à la cohorte
Enregistrement W2795425084 · doi:10.2196/10009

Connecting Smartphone and Wearable Fitness Tracker Data with a Nationally Used Electronic Health Record System for Diabetes Education to Facilitate Behavioral Goal Monitoring in Diabetes Care: Protocol for a Pragmatic Multi-Site Randomized Trial

2018· article· en· W2795425084 sur OpenAlexvenueno aff
Jing Wang, Deidra Carroll Coleman, Justin Kanter, Brad Ummer, Linda M. Siminerio

Notice bibliographique

RevueJMIR Research Protocols · 2018
Typearticle
Langueen
DomaineHealth Professions
ThématiqueMobile Health and mHealth Applications
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésActivity trackerUsabilityWearable computermHealthWearable technologyInterface (matter)Goal settingDiabetes managementMedicineComputer scienceHuman–computer interactionDiabetes mellitusPsychologyNursingType 2 diabetesPsychological interventionEmbedded system

Résumé

récupéré en direct d'OpenAlex

Background: Mobile and wearable technology have been shown to be effective in improving diabetes self-management; however, integrating data from these technologies into clinical diabetes care to facilitate behavioral goal monitoring has not been explored. Objective: The objective of this paper is to report on a study protocol for a pragmatic multi-site trial along with the intervention components, including the detailed connected health interface. This interface was developed to integrate patient self-monitoring data collected from a wearable fitness tracker and its companion smartphone app to an electronic health record system for diabetes self-management education and support (DSMES) to facilitate behavioral goal monitoring. Methods: A 3-month multi-site pragmatic clinical trial was conducted with eligible patients with diabetes mellitus from DSMES programs. The Chronicle Diabetes system is currently freely available to diabetes educators through American Diabetes Association–recognized DSMES programs to set patient nutrition and physical activity goals. To integrate the goal-setting and self-monitoring intervention into the DSMES process, a connected interface in the Chronicle Diabetes system was developed. With the connected interface, patient self-monitoring information collected from smartphones and wearable fitness trackers can facilitate educators’ monitoring of patients’ adherence to their goals. Feasibility outcomes of the 3-month trial included hemoglobin A1c levels, weight, and the usability of the connected system. Results: An interface designed to connect data from a wearable fitness tracker with a companion smartphone app for nutrition and physical activity self-monitoring into a diabetes education electronic health record system was successfully developed to enable diabetes educators to facilitate goal setting and monitoring. A total of 60 eligible patients with type 2 diabetes mellitus were randomized into either group 1) standard diabetes education or 2) standard education enhanced with the connected system. Data collection for the 3-month pragmatic trial is completed. Data analysis is in progress. Conclusions: If results of the pragmatic multi-site clinical trial show preliminary efficacy and usability of the connected system, a large-scale implementation trial will be conducted. Trial Registration: ClinicalTrials.gov NCT02664233; https://clinicaltrials.gov/ct2/show/NCT02664233 (Archived by WebCite at http://www.webcitation.org/6yDEwXHo5)

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,014
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Essai randomisé · Signal consensuel: Essai randomisé
GenreSignal candidat: Protocole · Signal consensuel: Protocole
Score de désaccord entre enseignants0,180
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0140,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,300
Tête enseignante GPT0,595
Écart entre enseignants0,296 · 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 tête enseignante, pas un consensus.

Devis d'étudeEssai randomisé
Domainenon disponible
GenreProtocole

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

En bref

Citations35
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR Research ProtocolsMême sujetMobile Health and mHealth ApplicationsTravaux en français237 207