MétaCan
Menu
Retour à la cohorte
Enregistrement W3214834430 · doi:10.2196/32320

Differences in Secure Messaging, Self-management, and Glycemic Control Between Rural and Urban Patients: Secondary Data Analysis

2021· article· en· W3214834430 sur OpenAlexvenueno aff
Stephanie A. Robinson, Dane Netherton, Mark S. Zocchi, Carolyn Purington, Arlene S. Ash, Stephanie L. Shimada

Notice bibliographique

RevueJMIR Diabetes · 2021
Typearticle
Langueen
DomaineHealth Professions
ThématiqueMobile Health and mHealth Applications
Établissements canadiensnon disponible
Organismes subventionnairesNational Heart, Lung, and Blood InstituteOffice of Research and DevelopmentU.S. Department of Veterans Affairs
Mots-clésGlycemicMedicineDiabetes mellitusDiabetes managementSelf-managementRuralityStratified samplingGerontologyRural areaEnvironmental healthType 2 diabetesEndocrinology

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Rural patients with diabetes have difficulty accessing care and are at higher risk for poor diabetes management. Sustained use of patient portal features such as secure messaging (SM) can provide accessible support for diabetes self-management. OBJECTIVE: This study explored whether rural patients' self-management and glycemic control was associated with the use of SM. METHODS: This secondary, cross-sectional, mixed methods analysis of 448 veterans with diabetes used stratified random sampling to recruit a diverse sample from the United States (rural vs urban and good vs poor glycemic control). Administrative, clinical, survey, and interview data were used to determine patients' rurality, use of SM, diabetes self-management behaviors, and glycemic control. Moderated mediation analyses assessed these relationships. RESULTS: The sample was 51% (n=229) rural and 49% (n=219) urban. Mean participant age was 66.4 years (SD 7.7 years). More frequent SM use was associated with better diabetes self-management (P=.007), which was associated with better glycemic control (P<.001). Among rural patients, SM use was indirectly associated with better glycemic control through improved diabetes self-management (95% CI 0.004-0.927). These effects were not observed among urban veterans with diabetes (95% CI -1.039 to 0.056). Rural patients were significantly more likely than urban patients to have diabetes-related content in their secure messages (P=.01). CONCLUSIONS: More frequent SM use is associated with engaging in diabetes self-management, which, in turn, is associated with better diabetes control. Among rural patients with diabetes, SM use is indirectly associated with better diabetes control. Frequent patient-team communication through SM about diabetes-related content may help rural patients with diabetes self-management, resulting in better glycemic control.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,037
Score d'incertitude au seuil0,727

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
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 Opus0,020
Tête enseignante GPT0,345
Écart entre enseignants0,326 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations12
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR DiabetesMême sujetMobile Health and mHealth ApplicationsTravaux en français237 207