MétaCan
Menu
← Retour à la cohorte
Enregistrement W3110898111 · doi:10.2196/18460

System Architecture for "Support Through Mobile Messaging and Digital Health Technology for Diabetes" (SuMMiT-D): Design and Performance in Pilot and Randomized Controlled Feasibility Studies

2020· article· en· W3110898111 sur OpenAlexvenueno aff
Chi Yuan, Carmelo Velardo, Julie Allen, Stephanie Robinson, Evgenia Riga, David Judge, Lionel Tarassenko, Andrew Farmer

Notice bibliographique

RevueJMIR Formative Research · 2020
Typearticle
Langueen
DomaineHealth Professions
ThématiqueMobile Health and mHealth Applications
Établissements canadiensnon disponible
Organismes subventionnairesNIHR Oxford Biomedical Research CentreProgramme Grants for Applied ResearchDepartment of Health and Social CareNational Institute for Health and Care Research
Mots-clésSummitArchitectureMobile technologyComputer scienceComputer architectureEngineeringHuman–computer interactionMobile deviceWorld Wide WebGeography

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Diabetes is a highly prevalent long-term condition with high morbidity and mortality rates. People with diabetes commonly worry about their diabetes medicines and do not always take them regularly as prescribed. This can lead to poor diabetes control. The Support Through Mobile Messaging and Digital Health Technology for Diabetes (SuMMiT-D) study aims to deliver brief messages as tailored interventions to support people with type 2 diabetes in better use of their diabetes medicines and to improve treatment adherence and health outcomes. OBJECTIVE: This paper describes the overall architecture of a tailored intervention delivery system used in the pilot and randomized controlled feasibility studies of SuMMiT-D and reports its performance. METHODS: The SuMMiT-D system includes several platforms and resources to recruit participants and deliver messages as tailored interventions. Its core component is called the clinical system and is responsible for interacting with the participants by receiving and sending SMS text messages from and to them. The personalization and tailoring of brief messages for each participant is based on a list of built-in commands that they can use. RESULTS: : 56, 71), with 41.1% (86/209) being female. The participants used the SuMMiT-D system for up to 6 months (26 weeks) and had a wide range of different interactions with the SuMMiT-D system while tailored interventions were being delivered. For both studies, we had low withdrawal rates: only 4.2% and 5.3% for the pilot and feasibility studies, respectively. CONCLUSIONS: A system was developed to successfully deliver brief messages as tailored health interventions to more than 250 people with type 2 diabetes via SMS text messages. On the basis of the low withdrawal rates and positive feedback received, it can be inferred that the SuMMiT-D system is robust, user-friendly, useful, and positive for most participants. From the two studies, we found that online recruitment was more efficient than recruitment via postal mail; a regular SMS text reminder (eg, every 4 weeks) can potentially increase the participants' interactions with the system. TRIAL REGISTRATION: ISRCTN Registry ISRCTN13404264; http://www.isrctn.com/ISRCTN13404264.

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)0,055
score de la tête « metaresearch » (Gemma)0,062
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,055
Score d'incertitude au seuil0,293

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0550,062
Méta-épidémiologie (sens strict)0,0020,002
Méta-épidémiologie (sens large)0,0020,002
Bibliométrie0,0020,001
Études des sciences et des technologies0,0010,002
Communication savante0,0010,001
Science ouverte0,0010,002
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0100,002

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 Opus0,175
Tête enseignante GPT0,509
Écart entre enseignants0,334 · 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

Citations6
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR Formative Research→Même sujetMobile Health and mHealth Applications→Travaux en français237 207→