MétaCan
Menu
Retour à la cohorte
Enregistrement W2899258524 · doi:10.2196/diabetes.8645

Improved Diabetes Care Management Through a Text-Message Intervention for Low-Income Patients: Mixed-Methods Pilot Study

2018· article· en· W2899258524 sur OpenAlex

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.

venuePublié dans une revue dont le pays d'attache est le Canada.
no affAucune affiliation canadienne : ce travail est invisible pour une base fondée sur la seule affiliation.
Aucune affiliation canadienne. Une base fondée sur la seule affiliation (le devis habituel) n'aurait jamais vu ce travail. C'est l'un des travaux qui justifient l'inversion de la base.

Notice bibliographique

RevueJMIR Diabetes · 2018
Typearticle
Langueen
DomaineMedicine
ThématiqueDiabetes Management and Education
Établissements canadiensnon disponible
Organismes subventionnairesUniversity of California Berkeley
Mots-clésDiabetes mellitusPsychological interventionIntervention (counseling)Diabetes managementMedicineText messagingText messageGerontologyType 2 diabetesNursingComputer scienceInternet privacy

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Diabetes is a major contributor to global death and disability. Text-messaging interventions hold promise for improving diabetes outcomes through better knowledge and self-management. OBJECTIVE: The aim of this study was to examine the implementation and impact of a diabetes text-messaging program targeted primarily for low-income Latino patients receiving care at 2 federally qualified health centers (FQHCs). METHODS: A mixed-methods, quasi-experimental research design was employed for this pilot study. A total of 50 Spanish or English-speaking adult patients with diabetes attending 2 FQHC sites in Los Angeles from September 2015 to February 2016 were enrolled in a 12-week, bidirectional text-messaging program. A comparison group (n=160) was constructed from unexposed, eligible patients. Demographic data and pre/post clinical indicators were compared for both the groups. Propensity score weighting was used to reduce selection bias, and over-time differences in clinical outcomes between groups were estimated using individual fixed-effects regression models. Population-averaged linear models were estimated to assess differential effects of patient engagement on each clinical indicator among the intervention participants. A sample of intervention patients (n=11) and all implementing staff (n=8) were interviewed about their experiences with the program. Qualitative data were transcribed, translated, and analyzed to identify common themes. RESULTS: , relative to patients who were less engaged, controlling for demographic characteristics (P<.001). Qualitative analyses revealed that many participants felt supported, as though "someone was worrying about [their] health." Participants also cited learning new information, setting new goals, and receiving helpful reminders. Staff and patients highlighted strategies to improve the program, including incorporating patient responses into in-person clinical care and tailoring the messages to patient knowledge. CONCLUSIONS: . Patients who were more engaged demonstrated greater improvement. Program improvements, such as linkages to clinical care, hold potential for improving patient engagement and ultimately, improving clinical outcomes.

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 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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,289
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,014
Tête enseignante GPT0,342
Écart entre enseignants0,328 · 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