The Mobile Insulin Titration Intervention (MITI) for Insulin Glargine Titration in an Urban, Low-Income Population: Randomized Controlled Trial Protocol
Notice bibliographique
Résumé
BACKGROUND: Patients on insulin glargine typically visit a clinician to obtain advice on how to adjust their insulin dose. These multiple clinic visits can be costly and time-consuming, particularly for low-income patients. It may be feasible to achieve insulin titration through text messages and phone calls with patients instead of face-to-face clinic visits. OBJECTIVE: The objectives of this study are to (1) evaluate if the Mobile Insulin Titration Intervention (MITI) is clinically effective by helping patients reach their optimal dose of insulin glargine, (2) determine if the intervention is feasible within the setting and population, (3) assess patient satisfaction with the intervention, and (4) measure the costs associated with this intervention. METHODS: This is a pilot study evaluating an approach to insulin titration using text messages and phone calls among patients with insulin-dependent type 2 diabetes in the outpatient medical clinic of Bellevue Hospital Center, a safety-net hospital in New York City. Patients will be randomized in a 1:1 ratio to either the MITI arm (texting/phone call intervention) or the usual-care arm (in-person clinic visits). Using a Web-based platform, weekday text messages will be sent to patients in the MITI arm, asking them to text back their fasting blood glucose values. In addition to daily reviews for alarm values, a clinician will rereview the texted values weekly, consult our physician-approved titration algorithm, and call the patients with advice on how to adjust their insulin dose. The primary outcome will be whether or not a patient reaches his/her optimal dose of insulin glargine within 12 weeks. RESULTS: Recruitment for this study occurred between June 2013 and December 2014. We are continuing to collect intervention and follow-up data from our patients who are currently enrolled. The results of our data analysis are expected to be available in 2015. CONCLUSIONS: This study explores the use of widely-available text messaging and voice technologies for insulin titration. We aim to show that remote insulin titration is clinically effective, feasible, satisfactory, and cost saving for low-income patients in a busy, urban clinic. TRIAL REGISTRATION: Clinicaltrials.gov NCT01879579; http://clinicaltrials.gov/ct2/show/NCT01879579 (Archived by WebCite at http://www.webcitation.org/6WUEgjZUO).
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 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,006 | 0,002 |
| Méta-épidémiologie (sens large) | 0,008 | 0,004 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,003 | 0,001 |
| Intégrité de la recherche | 0,006 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,045 | 0,005 |
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 ».