MétaCan
Menu
Retour à la cohorte
Enregistrement W2946524162 · doi:10.2196/12936

An Evaluation of Digital Health Tools for Diabetes Self-Management in Hispanic Adults: Exploratory Study

2019· article· en· W2946524162 sur OpenAlex
Leah Yingling, Nancy A. Allen, Michelle L. Litchman, Vanessa D. Colicchio, Bryan Gibson

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 · 2019
Typearticle
Langueen
DomaineHealth Professions
ThématiqueMobile Health and mHealth Applications
Établissements canadiensnon disponible
Organismes subventionnairesPatient-Centered Outcomes Research Institute
Mots-clésType 2 Diabetes MellitusExploratory researchDiabetes mellitusMedicineSelf-managementGerontologyDigital healthSelf careHealth carePsychologyClinical psychologyComputer scienceEndocrinology

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Although multiple self-monitoring technologies for type 2 diabetes mellitus (T2DM) show promise for improving T2DM self-care behaviors and clinical outcomes, they have been understudied in Hispanic adult populations who suffer disproportionately from T2DM. OBJECTIVE: The objective of this study was to evaluate the acceptability, feasibility, and potential integration of wearable sensors for diabetes self-monitoring among Hispanic adults with self-reported T2DM. METHODS: We conducted a pilot study of T2DM self-monitoring technologies among Hispanic adults with self-reported T2DM. Participants (n=21) received a real-time continuous glucose monitor (RT-CGM), a wrist-worn physical activity (PA) tracker, and a tablet-based digital food diary to self-monitor blood glucose, PA, and food intake, respectively, for 1 week. The RT-CGM captured viewable blood glucose concentration (mg/dL) and PA trackers collected accelerometer-based data, viewable on the device or an associated tablet app. After 1 week of use, we conducted a semistructured interview with each participant to understand experiences and thoughts on integration of the data from the devices into a technology-facilitated T2DM self-management intervention. We also conducted a brief written questionnaire to understand participants' self-reported T2DM history and past experience using digital health tools for T2DM self-management. Feasibility was measured by device utilization and objective RT-CGM, PA tracker, and diet logging data. Acceptability and potential integration were evaluated through thematic analysis of verbatim interview transcripts. RESULTS: of 7.4 [SD 1.8] mg/dL and had been diagnosed with T2DM for 7.4 [SD 5.2] years (range: 1-16 years). Most (89%) were treated with oral medications, whereas the others self-managed through diet and exercise. Nearly all participants (n=20) used both the RT-CGM and PA tracker, and 52% (11/21) logged at least one meal, with 33% (7/21) logging meals for 4 or more days. Of the 8 possible days, PA data were recorded for 7.1 [SD 1.8] days (range: 2-8), and participants averaged 7822 [SD 3984] steps per day. Interview transcripts revealed that participants felt most positive about the RT-CGM as it unveiled previously unknown relationships between lifestyle and health and contributed to changes in T2DM-related thoughts and behaviors. Participants felt generally positive about incorporating the wearable sensors and mobile apps into a future intervention if support were provided by a health coach or health care provider, device training were provided, apps were tailored to their language and culture, and content were both actionable and delivered on a single platform. CONCLUSIONS: Sensor-based tools for facilitating T2DM self-monitoring appear to be a feasible and acceptable technology among low-income Hispanic adults. We identified barriers to acceptability and highlighted preferences for wearable sensor integration in a community-based intervention. These findings have implications for the design of T2DM interventions targeting Hispanic adults.

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)0,004
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,119
Score d'incertitude au seuil0,907

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,000
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 savante0,0000,001
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 Opus0,057
Tête enseignante GPT0,429
Écart entre enseignants0,373 · 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