Personal Health Coaching as a Type 2 Diabetes Mellitus Self-Management Strategy: A Systematic Review and Meta-Analysis of Randomized Controlled Trials
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
OBJECTIVE: Personal health coaching (PHC) programs have become increasingly utilized as a type 2 diabetes mellitus (T2DM) self-management intervention strategy. This article evaluates the impact of PHC programs on glycemic management and related psychological outcomes. DATA SOURCES: Electronic databases (CINAHL, MEDLINE, PubMed, PsycINFO, and Web of Science). STUDY INCLUSION AND EXCLUSION CRITERIA: Randomized controlled trials (RCT) published between January 1990 and September 2017 and focused on the effectiveness of PHC interventions in adults with T2DM. DATA EXTRACTION: Using prespecified format guided by the Preferred Reporting Items for Systematic Reviews and Meta-Analyses framework. DATA SYNTHESIS: Quantitative synthesis for primary (ie, hemoglobin A1c [HbA1c]) and qualitative synthesis for selected psychological outcomes. RESULTS: Meta-analyses of 22 selected publications showed PHC interventions favorably impact HbA1c levels in studies with follow-ups at ≤3 months (-0.32% [95% confidence interval, CI = -0.55 to -0.09%]), 4 to 6 months (-0.50% [95% CI = -0.65 to -0.35%], 7 to 9 months (-0.66% [95% CI = -1.04 to -0.28%]), and 12 to 18 months (-0.24% [95% CI = -0.38 to -0.10%]). Subsequent subgroup analyses led to no conclusive patterns, except for greater magnitude of effect size in studies with conventional (2-arm) RCT design. CONCLUSIONS: The PHC appears effective in improving glycemic control. Further research is required to assess the effectiveness of specific program components, training, and supervision approaches and to determine the cost-effectiveness of PHC interventions.
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.
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 | 0,071 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,061 | 0,007 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| 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 découle