Effects of Telemetric Interventions on Maternal and Fetal or Neonatal Outcomes in Gestational Diabetes: Systematic Meta-Review
Notice bibliographique
Résumé
Background In 2019, 1 of 6 births was affected by gestational diabetes mellitus (GDM) globally. GDM results in adverse maternal, fetal, and neonatal outcomes in the short and long term, such as pregnancy and birth complications, type 2 diabetes, metabolic syndrome, and cardiovascular disease. In the context of “transgenerational programming,” diabetes mellitus during pregnancy can contribute to “programming” errors and long-term consequences for the child. Therefore, early therapy strategies are required to improve the clinical management of GDM. The interest in digital therapy approaches, such as telemetry, has increased because they are promising, innovative, and sustainable. Objective This study aimed to assess the current evidence regarding the clinical effectiveness of telemetric interventions in the management of GDM, addressing maternal glycemic control, scheduled and unscheduled visits, satisfaction, diabetes self-efficacy, compliance, maternal complications in pregnancy and childbirth, as well as fetal and neonatal outcomes. Methods Medline via PubMed, Web of Science Core Collection, Embase, Cochrane Library, and CINAHL databases were systematically searched from January 2008 to April 2020. We included randomized controlled trials, systematic reviews, meta-analyses, and clinical trials in English and German. Study quality was assessed using “A MeaSurement Tool to Assess systematic Reviews” and “Effective Public Health Practice Project.” Results Our search identified 1116 unique studies. Finally, we included 11 suitable studies (including a total of 563 patients and 2779 patient cases): 4 systematic reviews or meta-analyses (1 of high quality and 3 of moderate quality), 6 randomized controlled trials (2 of high quality and 4 of moderate quality), and 1 low-quality nonrandomized controlled trial. We classified 4 “asynchronous interventions” and 3 “asynchronous and real-time interventions.” Our findings indicate that telemetric therapy clearly improves glycemic control and effectively reduces glycated hemoglobin A1c levels. Furthermore, in 1 study, telemetry proved to be a significant predictor for a better glycemic control (hazard ratio=1.71, 95% CI 1.11-2.65; P=.02), significantly fewer insulin titrations were required (P=.04), and glycemic control was achieved earlier. Telemetric therapy significantly reduced scheduled and unscheduled clinic visits effectively, and women were highly satisfied with the treatment (P<.05). From fetal and neonatal short-term outcomes, some improving tendencies in favor of telemetry were determined. No long-term outcomes were detected. Conclusions Telemetric interventions clearly improved glycemic control, notably glycated hemoglobin A1c levels, and reduced scheduled and unscheduled clinic visits effectively, which reinforces this digital approach in the treatment of GDM.
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 | 0,009 | 0,033 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,017 | 0,025 |
| Bibliométrie | 0,006 | 0,007 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».