Diabetes Educators’ Insights Regarding Connecting Mobile Phone– and Wearable Tracker–Collected Self-Monitoring Information to a Nationally-Used Electronic Health Record System for Diabetes Education: Descriptive Qualitative Study
Notice bibliographique
Résumé
BACKGROUND: Diabetes educators are integral to a clinical team in providing diabetes self-management education and support; however, current mobile and Web-based self-management tools are not integrated into clinical diabetes care to support diabetes educators' education efforts. OBJECTIVE: The objective of our study was to seek diabetes educators' insights regarding the development of an interface within the Chronicle Diabetes system, a nationally used electronic health record (EHR) system for diabetes education documentation with behavioral goal-setting functions, to transfer mobile phone- and wearable tracker-collected self-monitoring information from patients to diabetes educators to facilitate behavioral goal monitoring. METHODS: A descriptive qualitative study was conducted to seek educators' perspectives on usability and interface development preferences in developing a connected system. Educators can use the Chronicle Diabetes system to set behavioral goals with their patients. Individual and group interviews were used to seek educators' preferences for viewing mobile phone- and wearable tracker-collected information on diet, physical activity, and sleep in the Chronicle Diabetes system using open-ended questions. Interview data were transcribed verbatim and analyzed for common themes. RESULTS: Five common themes emerged from the discussion. First, educators expressed enthusiasm for and concerns about viewing diet and physical activity data in Chronicle Diabetes system. Second, educators valued viewing detailed dietary macronutrients and activity data; however, they preferred different kinds of details depending on patients' needs, conditions, and behavioral goals and educators' training background. Third, all educators liked the integration of mobile phone-collected data into Chronicle Diabetes system and preferably with current EHR systems. Fourth, a need for a health care team and a central EHR system to be formed was realized for educators to share summaries of self-monitoring data with other providers. Fifth, educators desired advanced features for the mobile app and the connected interface that can show self-monitoring data. CONCLUSIONS: Flexibility is needed for educators to track the details of mobile phone- and wearable tracker-collected diet and activity information, and the integration of such data into Chronicle Diabetes and EHR systems is valuable for educators to track patients' behavioral goals, provide diabetes self-management education and support, and share data with other health care team members to faciliate team-based care in clinical practice.
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 | 0,022 | 0,032 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,009 | 0,006 |
| Communication savante | 0,005 | 0,004 |
| Science ouverte | 0,002 | 0,006 |
| Intégrité de la recherche | 0,002 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».