Improved Glycemic Control With a Digital Health Intervention in Adults With Type 2 Diabetes: Retrospective Study
Notice bibliographique
Résumé
Background Traditional lifestyle interventions have shown limited success in improving diabetes-related outcomes. Digital interventions with continuously available support and personalized educational content may offer unique advantages for self-management and glycemic control. Objective In this study, we evaluated changes in glycemic control among participants with type 2 diabetes who enrolled in a digital diabetes management program. Methods The study employed a single-arm, retrospective design. A total of 950 participants with a hemoglobin A1c (HbA1c) baseline value of at least 7.0% enrolled in the Vida Health Diabetes Management Program. The intervention included one-to-one remote sessions with a Vida provider and structured lessons and tools related to diabetes management. HbA1c was the primary outcome measure. Of the 950 participants, 258 (27.2%) had a follow-up HbA1c completed at least 90 days from program start. Paired t tests were used to evaluate changes in HbA1c between baseline and follow-up. Additionally, a cluster-robust multiple regression analysis was employed to evaluate the relationship between high and low program usage and HbA1c change. A repeated measures analysis of variance was used to evaluate the difference in HbA1c as a function of the measurement period (ie, pre-Vida enrollment, baseline, and postenrollment follow-up). Results We observed a significant reduction in HbA1c of –0.81 points between baseline (mean 8.68, SD 1.7) and follow-up (mean 7.88, SD 1.46; t257=7.71; P<.001). Among participants considered high risk (baseline HbA1c≥8), there was an average reduction of –1.44 points between baseline (mean 9.73, SD 1.68) and follow-up (mean 8.29, SD 1.64; t139=9.14; P<.001). Additionally, average follow-up HbA1c (mean 7.82, SD 1.41) was significantly lower than pre-enrollment HbA1c (mean 8.12, SD 1.46; F2, 210=22.90; P<.001) There was also significant effect of program usage on HbA1c change (β=–.60; P<.001) such that high usage was associated with a greater decrease in HbA1c (mean –1.02, SD 1.60) compared to low usage (mean –.61, SD 1.72). Conclusions The present study revealed clinically meaningful improvements in glycemic control among participants enrolled in a digital diabetes management intervention. Higher program usage was associated with greater improvements in HbA1c. The findings of the present study suggest that a digital health intervention may represent an accessible, scalable, and effective solution to diabetes management and improved HbA1c. The study was limited by a nonrandomized, observational design and limited postenrollment follow-up data.
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 | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».