MétaCan
Menu
Retour à la cohorte
Enregistrement W2982181961 · doi:10.1186/s40814-019-0504-8

Pilot randomized controlled trial of a complex intervention for diabetes self-management supported by volunteers, technology, and interprofessional primary health care teams

2019· article· en· W2982181961 sur OpenAlexafffund
Gina Agarwal, Jessica Gaber, Julie Richardson, Dee Mangin, Jenny Ploeg, Ruta Valaitis, Graham J. Reid, Larkin Lamarche, Fiona Parascandalo, Dena Javadi, Daria O’Reilly, Lisa Dolovich

Notice bibliographique

RevuePilot and Feasibility Studies · 2019
Typearticle
Langueen
DomaineMedicine
ThématiqueDiabetes Management and Education
Établissements canadiensWestern UniversityHamilton Health SciencesMcMaster UniversityImpactHealth Sciences Centre
Organismes subventionnairesHealth CanadaOntario Ministry of Health and Long-Term CareMcMaster UniversityChildren's Health Research Institute
Mots-clésMedicineReferralRandomized controlled trialeHealthIntervention (counseling)NursingFamily medicineHealth care

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Most health care for people with diabetes occurs in family practice, yet balancing the time and resources to help these patients can be difficult. An intervention empowering patients, leveraging community resources, and assisting self-management could benefit patients and providers. Thus, the feasibility and potential for effectiveness of "Health Teams Advancing Patient Experience, Strengthening Quality through Health Connectors for Diabetes Management" (Health TAPESTRY-HC-DM) as an approach supporting diabetes self-management was explored to inform development of a future large-scale trial. METHODS: Four-month pilot randomized controlled trial (RCT), sequential explanatory qualitative component. Participants-patients of an interprofessional primary care team-were over age 18 years, diagnosed with diabetes and hypertension, and had Internet access and one of the following: uncontrolled HbA1c, recent diabetes diagnosis, end-stage/secondary organ damage, or provider referral. The Health TAPESTRY-HC-DM intervention focused on patient health goals/needs, integrating community volunteers, eHealth technologies, interprofessional primary care teams, and system navigation. Pilot outcomes included process measures (recruitment, retention, program participation), perceived program feasibility, benefits and areas for improvement, and risks or safety issues. The primary trial outcome was self-efficacy for managing diabetes. There were a number of secondary trial outcomes. RESULTS: = 20) met 28 clients in 234 client encounters (home visits, phone calls, electronic messages); 27 reports were sent to the interprofessional team. At 4 months, controlling for baseline, most outcomes were better in the intervention compared to control group; physical activity notably better. The most common goal domains set were physical activity, diet/nutrition, and social connection. Clients felt the biggest impact was motivation toward goal achievement. They struggled with some of the technologies. Several participants perceived that the program was not a good fit, mostly those that felt they were already well-managing their diabetes. CONCLUSIONS: Health TAPESTRY-HC-DM was feasible; a large-scale randomized controlled trial seems possible. However, further attention needs to be paid to improving recruitment and retention. The intervention was well received, though was a better fit for some participants than others. TRIAL REGISTRATION: ClinicalTrials.gov, NCT02715791. Registered 22 March 2016-retrospectively registered.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,008
score de la tête « metaresearch » (Gemma)0,011
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Essai randomisé · Signal consensuel: Essai randomisé
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,016
Score d'incertitude au seuil0,054

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0080,011
Méta-épidémiologie (sens strict)0,0030,002
Méta-épidémiologie (sens large)0,0030,002
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,003
Communication savante0,0020,003
Science ouverte0,0030,002
Intégrité de la recherche0,0040,004
Charge utile insuffisante (le modèle a refusé de juger)0,0160,002

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 Opus0,039
Tête enseignante GPT0,360
Écart entre enseignants0,321 · 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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeEssai randomisé
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations30
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePilot and Feasibility StudiesMême sujetDiabetes Management and EducationTravaux en français237 207