Early Insights From a Digitally Enhanced Diabetes Self-Management Education and Support Program: Single-Arm Nonrandomized Trial
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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 découle