MétaCan
Menu
Retour à la cohorte
Enregistrement W3205058109 · doi:10.2196/29739

A Novel Mobile Health App to Educate and Empower Young People With Type 1 Diabetes to Exercise Safely: Prospective Single-Arm Mixed Methods Pilot Study

2021· article· en· W3205058109 sur OpenAlexvenueno aff
Vinutha B. Shetty, Wayne H K Soon, Alison Roberts, Leanne Fried, Heather C Roby, Grant J. Smith, Paul Fournier, Timothy W. Jones, Elizabeth A. Davis

Notice bibliographique

RevueJMIR Diabetes · 2021
Typearticle
Langueen
DomaineHealth Professions
ThématiqueMobile Health and mHealth Applications
Établissements canadiensnon disponible
Organismes subventionnairesAustralian Research Council
Mots-clésmHealthThematic analysisPhysical therapyMedicineType 2 diabetesHealth professionalsDiabetes mellitusHealth carePsychologyQualitative researchNursingPsychological intervention

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Empowering young people with type 1 diabetes (T1D) to manage their blood glucose levels during exercise is a complex challenge faced by health care professionals due to the unpredictable nature of exercise and its effect on blood glucose levels. Mobile health (mHealth) apps would be useful as a decision-support aid to effectively contextualize a blood glucose result and take appropriate action to optimize glucose levels during and after exercise. A novel mHealth app acT1ve was recently developed, based on expert consensus exercise guidelines, to provide real-time support for young people with T1D during exercise. OBJECTIVE: Our aim was to pilot acT1ve in a free-living setting to assess its acceptability and functionality, and gather feedback on the user experience before testing it in a larger clinical trial. METHODS: , 54 mmol/mol, SD 5.5 mmol/mol [7.1%, SD 0.5%]) had acT1ve installed on their phones, and were asked to use the app to guide their exercise management for 6 weeks. At the end of 6 weeks, participants completed both a semistructured interview and the user Mobile Application Rating Scale (uMARS). All semistructured interviews were transcribed. Thematic analysis was conducted whereby interview transcripts were independently analyzed by 2 researchers to uncover important and relevant themes. The uMARS was scored for 4 quality subscales (engagement, functionality, esthetics, and information), and a total quality score was obtained from the weighted average of the 4 subscales. Scores for the 4 objective subscales were determined by the mean score of each of its individual questions. The perceived impact and subjective quality of acT1ve for each participant were calculated by averaging the scores of their related questions, but were not considered in the total quality score. All scores have a maximal possible value of 5, and they are presented as medians, IQRs, and ranges. RESULTS: The main themes arising from the interview analysis were "increased knowledge," "increased confidence to exercise," and "suitability" for people who were less engaged in exercise. The uMARS scores for acT1ve were high (out of 5) for its total quality (median 4.3, IQR 4.2-4.6), engagement (median 3.9, IQR 3.6-4.2), functionality (median 4.8, IQR 4.5-4.8), information (median 4.6, IQR 4.5-4.8), esthetics (median 4.3, IQR 4.0-4.7), subjective quality (median 4.0, IQR 3.8-4.2), and perceived impact (median 4.3, IQR 3.6-4.5). CONCLUSIONS: The acT1ve app is functional and acceptable, with a high user satisfaction. The efficacy and safety of this app will be tested in a randomized controlled trial in the next phase of this study. TRIAL REGISTRATION: Australian New Zealand Clinical Trials Registry (ANZCTR) ACTRN12619001414101; https://www.anzctr.org.au/Trial/Registration/TrialReview.aspx?id=378373.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,127
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,002
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,043
Tête enseignante GPT0,431
Écart entre enseignants0,388 · 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 tête enseignante, pas un consensus.

Devis d'étudeObservationnel
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

Citations17
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR DiabetesMême sujetMobile Health and mHealth ApplicationsTravaux en français237 207