Foot thermometry with mHeath-based supplementation to prevent diabetic foot ulcers: A randomized controlled trial
Notice bibliographique
Résumé
Background : Novel approaches to reduce diabetic foot ulcers (DFU) in low- and middle-income countries are needed. Our objective was to compare incidence of DFUs in the thermometry plus mobile health (mHealth) reminders (intervention) vs. thermometry-only (control). Methods : We conducted a randomized trial enrolling adults with type 2 diabetes mellitus at risk of foot ulcers (risk groups 2 or 3) but without foot ulcers at the time of recruitment, and allocating them to control (instruction to use a liquid crystal-based foot thermometer daily) or intervention (same instruction supplemented with text and voice messages with reminders to use the device and messages to promote foot care) groups, and followed for 18 months. The primary outcome was time to occurrence of DFU. A process evaluation was also conducted. Results : A total of 172 patients (63% women, mean age 61 years) were enrolled; 86 to each study group. More patients enrolled in the intervention arm had a history of previous DFU (66% vs. 48%). Follow-up for the primary endpoint was complete for 158 of 172 participants (92%). Adherence to ≥80% of daily temperature measurements was 87% (103 of 118) among the study participants who returned the logbook. DFU cumulative incidence was 24% (19 of 79) in the intervention arm and 11% (9 of 79) in the control arm. After adjusting for history of foot ulceration and study site, the hazard ratio (HR) for DFU was 1.44 (95% CI 0.65, 3.22). Conclusions : In our study, conducted in a low-income setting, the addition of mHealth to foot thermometry was not effective in reducing foot ulceration. Importantly, there was a higher rate of previous DFU in the intervention group, the adherence to thermometry was high, and the expected rates of DFU used in our sample size calculations were not met. Trial registration : ClinicalTrials.gov NCT02373592 (27/02/2015)
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,003 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».