Early Insights From a Digitally Enhanced Diabetes Self-Management Education and Support Program: Single-Arm Nonrandomized Trial
Notice bibliographique
Résumé
Background Translation of diabetes self-management education and support (DSMES) into a digital format can improve access, but few digital programs have demonstrated outcomes using rigorous evaluation metrics. Objective The aim of this study was to evaluate the impact of a digital DSMES program on hemoglobin A1c (HbA1c) for people with type 2 diabetes. Methods A single-arm, nonrandomized trial was performed to evaluate a digital DSMES program that includes remote monitoring and lifestyle change, in addition to comprehensive diabetes education staffed by a diabetes specialist. A sample of 195 participants were recruited using an online research platform (Achievement Studies, Evidation Health Inc). The primary outcome was change in laboratory-tested HbA1c from baseline to 4 months, and secondary outcomes included change in lipids, diabetes distress, and medication adherence. Results At baseline, participants had a mean HbA1c of 8.9% (SD 1.9) and mean BMI of 37.5 kg/m2 (SD 8.3). The average age was 45.1 years (SD 8.9), 70% were women, and 67% were White. At 4-month follow up, the HbA1c decreased by 0.8% (P<.001, 95% CI –1.1 to –0.5) for the total population and decreased by 1.4% (P<.001, 95% CI –1.8 to –0.9) for those with an HbA1c of >9.0% at baseline. Diabetes distress and medication adherence were also significantly improved between baseline and follow up. Conclusions This study provides early evidence that a digitally enhanced DSMES program improves HbA1c and disease self-management outcomes.
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 | 0,004 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| 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 ».