Acceptability of a Self-Regulation Theory-Based mHealth Behavior Intervention for Older Adults with Type 2 Diabetes and Obesity
Notice bibliographique
Résumé
Background: The successful use of mobile health (mHealth) in lifestyle changes for older adults with type 2 diabetes is unknown. We report here acceptability of a mHealth intervention for older adults. Method: We used a one-group pre-posttest design. Participants received an 8-week theory-based mHealth intervention, using the Lose It! App for daily self-monitoring of food intake, a Fitbit, and Bluetooth-enabled glucometers and weighing scales. Linear mixed models were used for analysis. Results: The sample (N=9) was white (88.9%), female (44.4%), with a mean age of 76.4±6.0 years (range: 69-89), 15.7±2.0 years of education, BMI of 33.3±3.1 kg/m2 and HbA1c 7.4%±0.8. The Montreal Cognitive Assessment score was 24.6±2.7, indicating no severe cognitive impairment. Over 56 days, the % days of using the Lose It!, Fitbit, glucometer, and scales were 92.7±7.9, 93.7±10.6, 76.4±23.5, 52.4±37.8, respectively. The data showed a significant % weight loss (b=-0.04, p<.001), decreased calorie intake (b=-4.6, p=.0004) and increased steps (b1=34.0, b2=-1.0, p=.02) over time. The mean % weight loss from baseline was 4.44%±3.19. The dose of oral hypoglycemic agents or insulin was reduced among 4 participants. Conclusion: Older adults are able to use mHealth to improve outcomes. The additional 3-month follow-up is ongoing to provide insight into long-term feasibility and acceptability. Disclosure Y. Zheng: None. K. Weinger: None. M.C. Gregas: None. J. Greenberg: None. Z. Li: None. L.E. Burke: None. C. Qi: None. C. Slyne: None. T. Greaves: None. M. Munshi: Consultant; Self; Sanofi.
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 | 0,007 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».