A Digital Diabetes Prevention Program (Transform) for Adults With Prediabetes: Secondary Analysis
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.
Notice bibliographique
Résumé
BACKGROUND: The prevalence of diabetes is increasing among adults globally. Research has demonstrated that a diabetes prevention program (DPP), which focuses on developing and maintaining health-promoting lifestyle modifications, can prevent or delay the onset of type 2 diabetes among at-risk individuals. The implementation of a digitally adapted DPP has the potential to prevent prediabetes on a national and global scale by using technology and behavior change science. OBJECTIVE: This study aimed to investigate the effects of a novel digital therapeutic DPP (Transform) on weight loss, body mass index (BMI), exercise frequency, and work absenteeism. METHODS: This study was a secondary analysis of retrospective data of adults with prediabetes who were enrolled in the Transform DPP from December 2016 to December 2017. The program incorporates interactive mobile computing, remote monitoring, an evidence-based curriculum, behavior tracking tools, health coaching, and online peer support to prevent or delay the onset of type 2 diabetes. The analysis included data that were collected at baseline and after 4 months of the Transform DPP. RESULTS: . On average, participants increased their exercise frequency by 1.7 days per week, and absenteeism was reduced by almost half a day per month. CONCLUSIONS: These results suggest that the digital therapeutic DPP (Transform) is effective at preventing type 2 diabetes through a significant reduction in body weight and an increase of physical activity. A prospective, controlled clinical study is warranted to validate these findings.
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 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 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 découle