Diabetes Engagement and Activation Platform for Implementation and Effectiveness of Automated Virtual Type 2 Diabetes Self-Management Education: Randomized Controlled Trial
Notice bibliographique
Résumé
Background Patients with type 2 diabetes require recommendations for self-management education and support. Objective In this study, we aim to design the Diabetes Engagement and Activation Platform (DEAP)—an automated patient education tool integrated into primary care workflow—and examine its implementation and effectiveness. Methods We invited patients aged 18-85 years with a hemoglobin A1c (HbA1c) level ≥8 to participate in a randomized controlled trial comparing DEAP with usual care. DEAP modules addressing type 2 diabetes self-management education and support domains were programmed into patient portals, each with self-guided educational readings, videos, and questions. Care teams received patient summaries and were alerted to patients with low confidence or requesting additional help. HbA1c, BMI, and systolic and diastolic blood pressure (DBP) were measured. Results Out of the 680 patients invited to participate, 337 (49.5%) agreed and were randomized. All of the 189 intervention patients accessed the first module, and 140 patients (74.1%) accessed all 9 modules. Postmodule knowledge and confidence scores were high. Only 18 patients requested additional help from the care team. BMI was lower for intervention patients than controls at 3 months (31.7 kg/m2 vs 32.1 kg/m2; P=.04) and 6 months (32.5 kg/m2 vs 33.0 kg/m2; P=.003); improvements were even greater for intervention patients completing at least one module. There were no differences in 3- or 6-month HbA1c or blood pressure levels in the intent-to-treat analysis. However, intervention patients completing at least one module compared with controls had a better HbA1c level (7.6% vs 8.2%; P=.03) and DBP (72.3 mm Hg vs 75.9 mm Hg; P=.01) at 3 months. Conclusions The findings of this study concluded that a significant proportion of patients will participate in an automated virtual diabetes self-management program embedded into patient portals and health systems show promise in helping patients manage their diabetes, weight, and blood pressure. Trial Registration ClinicalTrials.gov NCT02957721; https://clinicaltrials.gov/ct2/show/NCT02957721
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 | 0,006 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,005 | 0,005 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,004 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 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 ».