Usefulness of a Novel Mobile Diabetes Prevention Program Delivery Platform With Human Coaching: 65-Week Observational Follow-Up
Notice bibliographique
Résumé
BACKGROUND: It is widely recognized that the prevalence of obesity and comorbidities including prediabetes and type 2 diabetes continue to increase worldwide. Results from a 24-week Diabetes Prevention Program (DPP) fully mobile pilot intervention were previously published showing promising evidence of the usefulness of DPP-based eHealth interventions on weight loss. OBJECTIVE: This pilot study extends previous findings to evaluate weight loss results of core (up to week 16) and maintenance (postcore weeks) DPP interventions at 65 weeks from baseline. METHODS: Originally, 140 participants were invited and 43 overweight or obese adult participants with a diagnosis of prediabetes signed up to receive a 24-week virtual DPP with human coaching through a mobile platform. At 65 weeks, this pilot study evaluates weight loss and engagement in maintenance participants by means of repeated measures analysis of variances and backward multiple linear regression to examine predictors of weight loss. Last observation carried forward was used for endpoint measurements. RESULTS: At 65 weeks, mean weight loss was 6.15% in starters who read 1 or more lessons per week on 4 or more core weeks, 7.36% in completers who read 9 or more lessons per week on core weeks, and 8.98% in maintenance completers who did any action in postcore weeks (all P<.001). Participants were highly engaged, with 80% (47/59) of the sample completing 9 lessons or more and 69% (32/47) of those completing the maintenance phase. In-app actions related to self-monitoring significantly predicted weight loss. CONCLUSIONS: In comparison to eHealth programs, this pilot study shows that a fully mobile DPP can produce transformative weight loss. A fully mobile DPP intervention resulted in significant weight loss and high engagement during the maintenance phase, providing evidence for long-term potential as an alternative to in-person DPP by removing many of the barriers associated with in-person and other forms of virtual DPP.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».