MétaCan
Menu
Retour à la cohorte
Enregistrement W3193555497 · doi:10.2196/31061

Efficacy of the Self-management Support System DialBetesPlus for Diabetic Kidney Disease: Protocol for a Randomized Controlled Trial

2021· article· en· W3193555497 sur OpenAlexvenueno aff
Yuki Kawai, Akiko Sankoda, Kayo Waki, Kana Miyake, Aki Hayashi, Makiko Mieno, Hiromichi Wakui, Yuya Tsurutani, Jun Saito, Nobuhito Hirawa, Tadashi Yamakawa, Shiro Komiya, Akihiro Isogawa, Shinobu Satoh, Taichi Minami, Uru Nezu Osada, Tamio Iwamoto, Tatsuro Takano, Yasuo Terauchi, Kouichi Tamura, Toshimasa Yamauchi, Takashi Kadowaki, Masaomi Nangaku, Naoki Kashihara, Kazuhiko Ohe

Notice bibliographique

RevueJMIR Research Protocols · 2021
Typearticle
Langueen
DomaineHealth Professions
ThématiqueMobile Health and mHealth Applications
Établissements canadiensnon disponible
Organismes subventionnairesRoyal Holloway, University of LondonJapan Agency for Medical Research and Development
Mots-clésMedicineGlycemicMicroalbuminuriaRandomized controlled trialPopulationKidney diseaseDiabetes mellitusDiseaseAlbuminuriaClinical trialPhysical therapyInternal medicine

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Diabetic kidney disease (DKD) is one of the main complications of type 2 diabetes mellitus (T2DM). DKD is a known risk factor for end-stage renal disease, cardiovascular disease, and all-cause death. Effective intervention for early-stage DKD is vital to slowing down the progression of kidney disease and improve prognoses. Mobile health (mHealth) is reportedly effective in supporting patients' self-care and improving glycemic control, but the impact of mHealth on DKD has yet to be shown. OBJECTIVE: The purpose of this study is to evaluate the efficacy of standard therapy with the addition of a self-management support system, DialBetesPlus, in patients with DKD and microalbuminuria. METHODS: This study is a prospective, randomized, open-label, multicenter clinical trial. The target population consists of 160 patients diagnosed with T2DM accompanied by microalbuminuria. We randomly assigned the patients to 2 groups-the intervention group using DialBetesPlus in addition to conventional therapy and the control group using conventional therapy alone. DialBetesPlus is a smartphone application that supports patients' self-management of T2DM. The study period was 12 months, with a follow-up survey at 18 months. The primary outcome was a change in albuminuria levels at 12 months. Secondary outcomes included changes in physical parameters, blood test results (glycemic control, renal function, and lipid metabolism), lifestyle habits, self-management scores, medication therapy, and quality of life. RESULTS: The study was approved in April 2018. We began recruiting patients in July 2018 and completed recruiting in August 2019. The final 18-month follow-up was conducted in March 2021. We recruited 159 patients and randomly allocated 70 into the intervention group and 61 into the control group, with 28 exclusions due to withdrawal of consent, refusal to continue, or ineligibility. The first results are expected to be available in 2021. CONCLUSIONS: This is the first randomized controlled trial assessing the efficacy of mHealth on early-stage DKD. We expect that albuminuria levels will decrease significantly in the intervention group due to improved glycemic control with ameliorated self-care behaviors. TRIAL REGISTRATION: UMIN-CTR UMIN000033261; https://upload.umin.ac.jp/cgi-open-bin/ctr/ctr_view.cgi?recptno=R000037924. INTERNATIONAL REGISTERED REPORT IDENTIFIER (IRRID): DERR1-10.2196/31061.

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)0,023
score de la tête « metaresearch » (Gemma)0,019
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Protocole · Signal consensuel: Protocole
Score de désaccord entre enseignants0,055
Score d'incertitude au seuil0,185

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0230,019
Méta-épidémiologie (sens strict)0,0060,002
Méta-épidémiologie (sens large)0,0110,005
Bibliométrie0,0020,002
Études des sciences et des technologies0,0030,003
Communication savante0,0030,003
Science ouverte0,0030,002
Intégrité de la recherche0,0050,006
Charge utile insuffisante (le modèle a refusé de juger)0,0550,007

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 Opus0,141
Tête enseignante GPT0,579
Écart entre enseignants0,438 · 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'étudeSans objet
Domainenon disponible
GenreProtocole

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations15
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR Research ProtocolsMême sujetMobile Health and mHealth ApplicationsTravaux en français237 207