MétaCan
Menu
Retour à la cohorte
Enregistrement W3177124455 · doi:10.2196/28930

Abbreviated Dietary Self-monitoring for Type 2 Diabetes Management: Mixed Methods Feasibility Study

2021· article· en· W3177124455 sur OpenAlexvenueno aff
Kelli M Richardson, Gloria Cota Aguirre, Rick Weiss, Ali Çınar, Yue Liao, Kari Marano, Arianna R Bedoya, Susan M. Schembre

Notice bibliographique

RevueJMIR Diabetes · 2021
Typearticle
Langueen
DomaineMedicine
ThématiqueNutritional Studies and Diet
Établissements canadiensnon disponible
Organismes subventionnairesNational Institute of Diabetes and Digestive and Kidney DiseasesNational Institutes of HealthSmall Business Innovation Research
Mots-clésGlycemicType 2 diabetesMedicineDiabetes mellitusDietary managementDiabetes managementPreferenceGlycemic indexGerontologyInternal medicineEndocrinology

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Type 2 diabetes mellitus (T2D) can be managed through diet and lifestyle changes. The American Diabetes Association acknowledges that knowing what and when to eat is the most challenging aspect of diabetes management. Although current recommendations for self-monitoring of diet and glucose levels aim to improve glycemic stability among people with T2D, tracking all intake is burdensome and unsustainable. Thus, dietary self-monitoring approaches that are equally effective but are less burdensome should be explored. OBJECTIVE: This study aims to examine the feasibility of an abbreviated dietary self-monitoring approach in patients with T2D, in which only carbohydrate-containing foods are recorded in a diet tracker. METHODS: We used a mixed methods approach to quantitatively and qualitatively assess general and diet-related diabetes knowledge and the acceptability of reporting only carbohydrate-containing foods in 30 men and women with T2D. RESULTS: The mean Diabetes Knowledge Test score was 83.9% (SD 14.2%). Only 20% (6/30) of participants correctly categorized 5 commonly consumed carbohydrate-containing foods and 5 noncarbohydrate-containing foods. The mean perceived difficulty of reporting only carbohydrate-containing foods was 5.3 on a 10-point scale. Approximately half of the participants (16/30, 53%) preferred to record all foods. A lack of knowledge about carbohydrate-containing foods was the primary cited barrier to acceptability (12/30, 40%). CONCLUSIONS: Abbreviated dietary self-monitoring in which only carbohydrate-containing foods are reported is likely not feasible because of limited carbohydrate-specific knowledge and a preference of most participants to report all foods. Other approaches to reduce the burden of dietary self-monitoring for people with T2D that do not rely on food-specific knowledge could be more feasible.

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)0,043
score de la tête « metaresearch » (Gemma)0,030
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,043
Score d'incertitude au seuil0,229

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0430,030
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,003
Bibliométrie0,0010,002
Études des sciences et des technologies0,0020,001
Communication savante0,0020,002
Science ouverte0,0020,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,075
Tête enseignante GPT0,411
Écart entre enseignants0,337 · 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'étudeQualitatif
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

Citations3
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR DiabetesMême sujetNutritional Studies and DietTravaux en français237 207