Usage Patterns of GlucoNote, a Self-Management Smartphone App, Based on ResearchKit for Patients With Type 2 Diabetes and Prediabetes
Notice bibliographique
Résumé
BACKGROUND: Preventing progression from prediabetes to diabetes-or slowing the progression of diabetes-is an urgent task worldwide. Previous studies have shown that mobile health (mHealth) may powerfully support self-management for patients with type 2 diabetes. Certainly, mHealth improves health care efficiency and gives patients convenient access to self-management of their own health. Many health care apps are available right now, and their use in clinical studies with large-scale real-life data is expected. However, the usage patterns of those apps-especially in the absence of intervention by medical professionals-remain unknown. OBJECTIVE: We developed GlucoNote, an app that uses Apple's ResearchKit to support self-management for patients with type 2 diabetes and prediabetes; the app does not require prescription or intervention by medical professionals. We evaluated its usage patterns via a remotely conducted study. METHODS: iPhone users across Japan who have type 2 diabetes or prediabetes were free to download GlucoNote and to participate in the study after they provided consent electronically on the app. The 522 users who enrolled in the study within 1 year of its release were analyzed. We analyzed the retention rates of 357 participants who recorded at least 1 of 4 items-body weight, blood sugar, blood pressure, or dietary information. Characteristics of participants who used GlucoNote longer than 4 weeks (robust users) were compared with those of participants who did not (nonrobust users). The changes among robust users were evaluated. RESULTS: The median observation and retention durations were 382 days (interquartile range [IQR] 275-423) and 8 days (IQR 1-63), respectively. The retention rates for 2 days and for 4, 8, and 12 weeks were 0.627 (95% CI 0.575-0.675), 0.353 (0.304-0.403), 0.272 (0.227-0.319), and 0.220 (0.179-0.265), respectively. Men were more likely to be robust users than women (P=.02). At week 0, robust users were more likely than nonrobust users to have a higher daily energy intake (median 1595 [IQR 1198-1788] kcal vs 1451 [IQR 769-1657] kcal; P=.04) and have higher daily step counts (median 6108 [IQR 3797-9227] vs 5171 [IQR 2885-7258]; P=.001). Among robust users, body weight decreased from weeks 0 to 4 (mean 71.3 [SD 14.1] kg to 70.8 [SD 13.9] kg; P=.002) by mean 0.6% (SD 1.6). CONCLUSIONS: GlucoNote offered a valuable opportunity to evaluate usage patterns of apps. Future challenges include improving low retention rates and evaluating their effects.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».