MétaCan
Menu
Retour à la cohorte
Enregistrement W2900536151 · doi:10.2196/diabetes.9531

Glucose Control, Disease Burden, and Educational Gaps in People With Type 1 Diabetes: Exploratory Study of an Integrated Mobile Diabetes App

2018· article· en· W2900536151 sur OpenAlex
Cees J. Tack, Gerardus J Lancee, Barend Heeren, Lucien JLPG Engelen, Sandra Hendriks, Lisa J. Zimmerman, Daniele De Massari, Marleen M. H. J. van Gelder, Tom H van de Belt

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
DomaineHealth Professions
ThématiqueMobile Health and mHealth Applications
Établissements canadiensnon disponible
Organismes subventionnairesRadboud Universitair Medisch Centrum
Mots-clésDiabetes mellitusType 2 diabetesDiseaseMedicineControl (management)Diabetes managementDisease managementExploratory researchDisease controlGerontologyComputer scienceEnvironmental healthEndocrinologyInternal medicineArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Background: Self-monitoring and self-management, crucial for optimal glucose control in type 1 diabetes, requires many disease-related decisions per day and imposes a substantial disease burden on people with diabetes. Innovative technologies that integrate relevant measurements may offer solutions that support self-management, decrease disease burden, and benefit diabetes control. Objective: The objective of our study was to evaluate a prototype integrated mobile phone diabetes app in people with type 1 diabetes. Methods: In this exploratory study, we developed an app that contained cloud-stored log functions for glucose, carbohydrates (including a library), insulin, planned exercise, and mood, combined with a bolus calculator and communication functions. Adults with diabetes tested the app for 6 weeks. We assessed the feasibility of app use, user experiences, perceived disease burden (through questionnaires), insulin dose and basal to bolus ratio, mean glucose level, hemoglobin A1c, and number of hypoglycemic events. Results: A total of 19 participants completed the study, resulting in 5782 data entries. The most frequently used feature was logging blood glucose, insulin, and carbohydrates. Mean diabetes-related emotional problems (measured with the Problem Areas in Diabetes scale) scores decreased from 14.4 (SD 10.0) to 12.2 (SD 10.3; P=.04), and glucose control improved, with hemoglobin A1c decreasing from 7.9% (mean 62.3, SD 8 mmol/mol) to 7.6% (mean 59.8, SD 7 mmol/mol; P=.047). The incidence of hypoglycemic events did not change. Participants were generally positive about the app, rating it as “refreshing,” and as providing structure by reinforcing insulin-dosing principles. The app revealed substantial knowledge gaps. Logged data enabled additional detailed analyses. Conclusions: An integrated mobile diabetes app has the potential to improve diabetes self-management and provide tailored educational support, which may decrease disease burden and benefit diabetes control.

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 enseignants0,030
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
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
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 Opus0,016
Tête enseignante GPT0,360
Écart entre enseignants0,343 · 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