MétaCan
Menu
Retour à la cohorte
Enregistrement W2810222251 · doi:10.2196/mhealth.9487

Testing a Smartphone App (Young with Diabetes) to Improve Self-Management of Diabetes Over 12 Months: Randomized Controlled Trial

2018· article· en· W2810222251 sur OpenAlexvenueno aff
Pernille Castensøe‐Seidenfaden, Gitte Reventlov Husted, Andreas Kryger Jensen, Eva Hommel, Birthe Susanne Olsen, Ulrik Pedersen‐Bjergaard, Finn Kensing, Grete Teilmann

Notice bibliographique

RevueJMIR mhealth and uhealth · 2018
Typearticle
Langueen
DomaineHealth Professions
ThématiqueMobile Health and mHealth Applications
Établissements canadiensnon disponible
Organismes subventionnairesRegion HovedstadenHerlev HospitalSteno Diabetes Center Copenhagen
Mots-clésRandomized controlled trialDiabetes mellitusSelf-managementMobile appsmHealthSmartphone applicationMedicineDiabetes managementSmartphone appType 2 diabetesPhysical therapyGerontologyPsychologyComputer scienceInternet privacyMultimediaPsychological interventionWorld Wide WebNursingInternal medicineEndocrinology

Résumé

récupéré en direct d'OpenAlex

Background: Young people often struggle to self-manage type 1 diabetes during the transition from childhood to adulthood. Mobile health (mHealth) apps may have the potential to support self-management, but evidence is limited and randomized controlled trials are needed. Objective: We assessed whether the mHealth app “Young with Diabetes” improved young people’s self-management measured by glycated hemoglobin (HbA1c) and three self-reported psychometric scales. Methods: Young people (14-22 years) with inadequate glycemic control and their parents were enrolled in a randomized controlled trial and assigned either to Young with Diabetes and usual care (Young with Diabetes group) or to usual care alone (control). Young with Diabetes use was monitored; functions included a chat room, contact the health care provider, reminders, tips, information about the diabetes department and type 1 diabetes topics, carbohydrate counting, and a parents’ section. Outcomes included HbA1c and three self-reported psychometric scales: Perceived Competence in Diabetes Scale; Health Care Climate Questionnaire; and Problem Areas In Diabetes care survey. Data were collected at baseline and at 2, 7, and 12 months. Results: A total of 151 young people were randomized (Young with Diabetes group=76, control=75) and 49 parents agreed to participate. At 12 months, HbA1c was significantly higher (4.1 mmol/mol; 0.4 %) in the Young with Diabetes group, compared to the control group (P=.04); this finding did not occur when comparing app users (Young with Diabetes use ≥5 days) with nonusers. Young people used Young with Diabetes on a mean of 10.5 days. They spent the most time chatting about alcohol and searching for information about sex. Most young people and half of the parents reported that Young with Diabetes helped them. More than 80% would recommend Young with Diabetes to peers. Conclusions: Young with Diabetes did not improve HbA1c, but it may be a useful complement to self-management. Qualitative evaluation is needed to explore benefits and shortcomings of Young with Diabetes. Health care providers should address young peoples’ knowledge about sensitive topics, provide them with peer support, and be aware of parents’ need for information about how to support Trial Registration: ClinicalTrials.gov NCT02632383; https://clinicaltrials.gov/ct2/show/NCT02632383 (Archived by WebCite at http://www.webcitation.org/6zCK2u7xM)

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,007
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Essai randomisé · Signal consensuel: Essai randomisé
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,056
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0070,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0030,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0020,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,026
Tête enseignante GPT0,377
Écart entre enseignants0,351 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeEssai randomisé
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations69
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR mhealth and uhealthMême sujetMobile Health and mHealth ApplicationsTravaux en français237 207