1350-P: Ehealth Technologies for Gestational Diabetes Mellitus: Summary of Features and Effectiveness: Scoping Review
Notice bibliographique
Résumé
Background: There has been growing availability of ehealth technologies (ETs) for management of gestational diabetes mellitus (GDM). While ETs have the potential to improve the efficiency and quality of GDM care, the nature of information and support provided through such technologies and their benefits are unclear. This review aims to summarise data on features and outcomes for ETs specific to GDM. Methods: We conducted a systematic literature search of studies on ehealth technologies in EMBASE, OVID, SCOPUS and Web of Science in November 2019. Studies reporting data on use of ETs for management and follow up of women with GDM were included. Results: We identified 17 studies with data on over 2,000 women with GDM that described ETs for management and follow up of women GDM. The studies were categorised into telemedicine (n=4), web-based (n=4) and smartphone application (n=9). The types of studies included in the review include randomized controlled trials (n=9), cohort studies (n=3), quasi experimental study (n=3) and focus group discussions (n=2). Some features of the ETs include electronic transfer of blood glucose data, bidirectional communication with physician, web based lifestyle program and a virtual diary to log blood glucose measurements (BGM), step count and dietary intake. Studies evaluating telemedicine and web based systems showed significant reductions in the number of in person clinic visits during pregnancy (2 studies), better glycemic control (2 studies), lowered insulin use (2 studies), and weight loss after delivery (1 study). Studies that evaluated smartphone applications showed significantly higher adherence to BGM (4 studies), patient satisfaction (92% in one study) and acceptance through thematic evaluation of app (5 studies), supporting the potential of smartphone app for managing GDM. Conclusion: Ehealth technologies have the potential to improve management and outcomes for women with GDM. Disclosure B. Balaji: None. I. Halperin: Advisory Panel; Self; Tandem Diabetes Care. Speaker’s Bureau; Self; Abbott, Boehringer Ingelheim (Canada) Ltd., Dexcom, Inc., Novo Nordisk Inc., Sanofi. G. Mukerji: None. L. Lipscombe: None.
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 | 0,015 | 0,075 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,008 | 0,010 |
| Bibliométrie | 0,023 | 0,019 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,005 | 0,004 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 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 ».