MétaCan
Menu
Retour à la cohorte
Enregistrement W3048835059 · doi:10.2196/19153

Effect of Voluntary Participation on Mobile Health Care in Diabetes Management: Randomized Controlled Open-Label Trial

2020· article· en· W3048835059 sur OpenAlexvenueno aff
Da Young Lee, Seung-Hyun Yoo, Kyong Pil Min, Cheol‐Young Park

Notice bibliographique

RevueJMIR mhealth and uhealth · 2020
Typearticle
Langueen
DomaineHealth Professions
ThématiqueMobile Health and mHealth Applications
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicineDiabetes mellitusGlycemicmHealthGlycated hemoglobinRandomized controlled trialPhysical therapyBody mass indexDiabetes managementSelf-managementQuality of life (healthcare)Type 2 diabetesPsychological interventionInternal medicineNursingEndocrinology

Résumé

récupéré en direct d'OpenAlex

Background The role of mobile health care (mHealth) in glycemic control has been investigated, but its impact on self-management skills and its psychological aspects have not been studied. Objective We evaluated the efficacy of mHealth-based diabetes self-management education and the effect of voluntary participation on its effects. Methods This study was a randomized controlled open-label trial conducted for 6 months at Kangbuk Samsung Hospital. Participants in the control group (n=31) maintained their previous diabetes management strategies. Participants in the intervention group (n=41) additionally received mHealth-based diabetes self-management education through a mobile app and regular individualized feedback from health care professionals. The primary outcome was change in glycated hemoglobin (HbA1c) level over 6 months between the 2 groups (intervention versus control) and within each group (at 6 months versus baseline). The secondary outcomes were changes in body mass index, blood pressure, lipid profile, and questionnaire scores (the Korean version of the Summary of Diabetes Self-Care Activities Questionnaire, an Audit of Diabetes Dependent Quality of Life, the Appraisal of Diabetes Scale, and Problem Areas in Diabetes) over 6 months between groups and within each group. Results A total of 66 participants completed this study. HbA1c (P=.04), total cholesterol level (P=.04), and Problem Areas in Diabetes scores (P=.02) significantly decreased; total diet (P=.03) and self-monitoring of blood glucose level scores (P=.01), based on the Summary of Diabetes Self-Care Activities Questionnaire, markedly increased within the intervention group. These significant changes were observed in self-motivated participants who were recruited voluntarily via advertisements. Conclusions mHealth-based diabetes self-management education was effective at improving glycemic control and diabetes self-management skills and lowering diabetes-related distress in voluntary participants. Trial Registration ClinicalTrials.gov NCT03468283; http://clinicaltrials.gov/ct2/show/NCT03468283

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)0,004
score de la tête « metaresearch » (Gemma)0,005
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 enseignants0,010
Score d'incertitude au seuil0,033

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,005
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0060,003
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,002
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0040,003
Charge utile insuffisante (le modèle a refusé de juger)0,0100,001

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.

Tête enseignante Opus0,058
Tête enseignante GPT0,482
Écart entre enseignants0,423 · 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

Citations33
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR mhealth and uhealthMême sujetMobile Health and mHealth ApplicationsTravaux en français237 207