MétaCan
Menu
Retour à la cohorte
Enregistrement W3136313020 · doi:10.2196/22147

A Smartphone App to Restore Optimal Weight (SPAROW) in Women With Recent Gestational Diabetes Mellitus: Randomized Controlled Trial

2021· article· en· W3136313020 sur OpenAlexvenueno aff
Karen Lim, Shiao‐Yng Chan, Su Lin Lim, Bee Choo Tai, Cammy Tsai, Su Ren Wong, Siew Min Ang, Tong Wei Yew, E Shyong Tai, Eu‐Leong Yong

Notice bibliographique

RevueJMIR mhealth and uhealth · 2021
Typearticle
Langueen
DomaineMedicine
ThématiqueGestational Diabetes Research and Management
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicineGestational diabetesRandomized controlled trialWeight lossPopulationPhysical therapyPregnancyDiabetes mellitusType 2 diabetesObstetricsObesityInternal medicineGestationEndocrinology

Résumé

récupéré en direct d'OpenAlex

Background Women with a history of gestational diabetes mellitus (GDM) are at an increased risk of developing type 2 diabetes mellitus (T2DM). Lifestyle interventions aimed at postpartum weight loss to reduce T2DM risk have been reported, but poor compliance remains a barrier. Smartphone-based interventions may improve compliance, but data on its use in women with recent GDM are limited. Objective This trial aimed to investigate the efficacy of a smartphone app in restoring optimal weight following delivery in women with GDM, in the setting of a population with high rates of GDM and type 2 diabetes. Methods In this unblinded randomized controlled trial, 200 women with GDM were randomized to receive the intervention or standard care following delivery. The intervention enabled logging of weight, meals, and activity, with web-based interaction with a team comprising dieticians, a physiotherapist, and an occupational therapist. The primary outcome was an achievement of optimal weight (defined as the restoration of first trimester weight if first trimester BMI≤23 kg/m2 or weight loss of at least 5% from first trimester weight if first trimester BMI>23 kg/m2) at 4 months post partum. Secondary outcome measures included absolute weight loss, serum metabolic markers, self-reported nutritional intake, health education, and quality of life via questionnaires and user engagement in the intervention group. Results In total, 40% (38/96) of women in the intervention group achieved optimal weight at 4 months post delivery compared with 32% (28/93) in the control group (P=.27). Compared with the control group, women in the intervention group reported significantly reduced caloric intake at 4 months after delivery (P<.001) and higher health-directed behavior scores (P=.045). The intervention group also reported increased emotional distress scores (P=.01). At 4 months, participant engagement with the intervention was maintained at 60.8% (SD 33.9%). Conclusions Although a statistically significant increase in women achieving healthy weight was not observed, this app remains promising, as women in the intervention group reported improved health behaviors and lower caloric intake. Importantly, the high retention rates suggest that a larger study with a longer follow-up period might confirm the effectiveness of this app for weight management. Trial Registration ClinicalTrials.gov NCT03324737; https://clinicaltrials.gov/ct2/show/NCT03324737 International Registered Report Identifier (IRRID) RR2-10.1186/s12889-019-7691-3

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)0,002
score de la tête « metaresearch » (Gemma)0,003
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 enseignants0,009
Score d'incertitude au seuil0,031

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0040,003
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0090,001

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 Opus0,024
Tête enseignante GPT0,342
Écart entre enseignants0,318 · 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

Citations51
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR mhealth and uhealthMême sujetGestational Diabetes Research and ManagementTravaux en français237 207