New-Onset Diabetes Educator to Educate Children and Their Caregivers About Diabetes at the Time of Diagnosis: Usability Study
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
BACKGROUND: Diabetes self-management education is essential at the time of diagnosis. We developed the New-Onset Diabetes Educator (NODE), an animation-based educational web application for type 1 diabetes mellitus patients. OBJECTIVE: Our hypothesis is that NODE is a feasible, effective and user-friendly intervention in improving diabetes self-management education delivery to child/caregiver-dyads at the time of diagnosis. METHODS: We used a pragmatic parallel randomized trial design. Dyads were recruited within 48 hours of diagnosis and randomized into a NODE-enhanced diabetes self-management education or a standard diabetes self-management education group. Dyads randomized in the NODE group received the intervention on an iPad before receiving the standard diabetes self-management education with a nurse educator. The Diabetes Knowledge Test 2 assessed disease-specific knowledge pre- and postintervention in both groups, and was compared using t tests. Usability of the NODE mobile health intervention was assessed in the NODE group. RESULTS: We recruited 16 dyads (mean child age 10.75, SD 3.44). Mean Diabetes Knowledge Test 2 scores were 14.25 (SD 4.17) and 18.13 (SD 2.17) pre- and postintervention in the NODE group, and 15.50 (SD 2.67) and 17.38 (SD 2.26) in the standard diabetes self-management education group. The effect size was medium (Δ=0.56). Usability ratings of NODE were excellent. CONCLUSIONS: NODE is a feasible mobile health strategy for type 1 diabetes education. It has the potential to be an effective and scalable tool to enhance diabetes self-management education at time of diagnosis, and consequently, could lead to improved long-term clinical outcomes for patients living with the disease.
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 | 0,001 | 0,001 |
| 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 | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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