Text Message Responsiveness to BG Monitoring (BGM) Reminders Improves A1c in Teens with Type 1 Diabetes (T1D)
Notice bibliographique
Résumé
Background: As teens with T1D become increasingly independent in self-care, adherence and glycemic control deteriorate. Teens need innovative ways to improve self-care and protect against glycemic decline. We evaluated a text messaging intervention in teens with T1D and assessed factors associated with text responsiveness and glycemic benefit over 18 months. Methods: Teens with T1D (N=147), ages 13-17 years, received 2-way text reminders at self-selected times to check BG levels and reply by text with BG results. Teens received increasing numbers of text reminders, beginning with 1 and increasing to a maximum of 4/day. Results: At baseline, teens (48% male, 78% white, 63% pump-treated) had mean±SD age 14.9±1.3 years, T1D duration 7.1±3.9 years, and A1c 8.5±1.1%. The mean proportion of days with 1+ BG response declined over time (months 0-6: 60±26% of days, months 6-12: 53±32%, months 12-18: 43±33%). Over the 18 month study, 50% of teens responded with 1+ BG result on ≥50% of days (“High Responders”). High Responders compared with “Low Responders” (<50% of days with 1+ BG response) were similar regarding age, T1D duration, and sex distribution but High Responders had lower baseline A1c (8.2±1.0 vs. 8.7±1.1%, p=.005) and higher daily BGM frequency (5.2±2.3 vs. 4.3±1.6, p=.01). Regression analysis controlling for baseline A1c revealed no significant change in A1c from baseline to 18 months in High Responders (p=.42) compared with a significant A1c increase in Low Responders (+0.3%, p=.009). In teens with baseline A1c ≥8%, High Responders (n=39) were 2.6 (95% CI 1.03, 6.6) times more likely than Low Responders (n=52) to improve A1c by ≥0.5% from baseline to 18 months (p=.04). Conclusions: Responding to text reminders on ≥50% of days over 18 months provided clinically significant glycemic benefit to teens with T1D, especially in those with high baseline A1c. There remains a need to tailor interventions for teens over time to maintain their engagement and optimize improvements. Disclosure D.E. McGill: None. L. Volkening: None. D.A. Butler: None. W. Levy: None. R.M. Wasserman: None. B. Anderson: Advisory Panel; Self; Sanofi-Aventis. L.M. Laffel: Consultant; Self; Eli Lilly and Company, Novo Nordisk Inc., Sanofi US, MannKind Corporation, Roche Diagnostics Corporation, Dexcom, Inc., Insulet Corporation, AstraZeneca, Boehringer Ingelheim Pharmaceuticals, Inc., Johnson & Johnson Diabetes Institute, LLC..
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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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) | 0,002 | 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 ».