A Mobile App for Identifying Individuals With Undiagnosed Diabetes and Prediabetes and for Promoting Behavior Change: 2-Year Prospective Study
Notice bibliographique
Résumé
BACKGROUND: To decrease the burden of diabetes in society, early screening of undiagnosed diabetes and prediabetes is needed. Integrating a diabetes risk score into a mobile app would provide a useful platform to enable people to self-assess their risk of diabetes with ease. OBJECTIVE: The objectives of this study were to (1) assess the profile of Diabetes Risk Score mobile app users, (2) determine the optimal cutoff value of the Finnish Diabetes Risk Score to identify undiagnosed diabetes and prediabetes in the Chinese population, (3) estimate users' chance of developing diabetes within 2 years of using the app, and (4) investigate high-risk app users' lifestyle behavior changes after ascertaining their risk level from the app. METHODS: We conducted this 2-phase study among adults via mobile app and online survey from August 2014 to December 2016. Phase 1 adopted a cross-sectional design, with a descriptive analysis of the app users' profile. We used a Cohen kappa score to show the agreement between the risk level (as shown in the app) and glycated hemoglobin test results. We used sensitivity, specificity, and area under the curve to determine the optimal cutoff value of the diabetes risk score in this population. Phase 2 was a prospective cohort study. We used a logistic regression model to estimate the chance of developing diabetes after using the app. Paired t tests compared high-risk app users' lifestyle changes. RESULTS: =-2.08, P=.04). CONCLUSIONS: The Diabetes Risk Score app has been shown to be a feasible and reliable tool to identify persons with undiagnosed diabetes and prediabetes and to predict diabetes incidence in 2 years. The app can also encourage high-risk people to modify dietary habits and reduce sedentary lifestyle.
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 | 0,003 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,002 |
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 ».