MétaCan
Menu
Retour à la cohorte
Enregistrement W4205198085 · doi:10.2196/30626

Virtual Endocrinology Care Emphasizing Data-Driven Insights and Continuous Engagement and Its Impact on Glycemic Outcomes in Patients With Uncontrolled Diabetes: A Real-world Retrospective Case Series

2021· article· en· W4205198085 sur OpenAlexvenueno aff
Calvin C. Wu, Karin C Wu, Aimée S. José, Niloufar Novin

Notice bibliographique

RevueJMIR Diabetes · 2021
Typearticle
Langueen
DomaineMedicine
ThématiqueDiabetes Management and Research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicineGlycemicDiabetes mellitusRetrospective cohort studyType 2 diabetesCohortContinuous glucose monitoringInternal medicineEndocrinology

Résumé

récupéré en direct d'OpenAlex

Background Steady Health’s novel virtual care model incorporates continuous glucose monitoring (CGM) and a multidisciplinary approach to timely person-centered diabetes care. Objective This real-world retrospective case series explores the early glycemic outcomes of its patients with uncontrolled diabetes. Methods All patients of Steady Health who had an initial time in range (TIR) below 70% from their first 4 weeks of available CGM data and who had completed onboarding by February 2021 were included in this analysis. We compared the change in TIR, time below range, and average blood glucose from their first 4 weeks with their latest 4 weeks of available CGM data. Hemoglobin A1c (HbA1c) values at baseline and at the end of the study were also compared. Patients completed a questionnaire assessing their satisfaction with Steady Health’s intervention. Results A total of 53 patients (n=35, 66% with type 1 diabetes; n=44, 83% treated with insulin) were included in this analysis. This cohort had a median baseline TIR of 53.0% (IQR 40.9%, 61.7%) and saw a median change in TIR of +16.6% (IQR +6.0%, +27.9%; P<.001) over a median duration of care of 11 months, amounting to nearly 4 more hours spent between 70 to 180 mg/dL a day. Of the 27 patients who had both baseline and follow-up HbA1c results, their median baseline HbA1c was 8.6% (IQR 7.5%, 11.4%; 70 mmol/mol), while their median change in HbA1c was –1.2% (IQR –2.6%, –0.2%; P=.001). Importantly, these glycemic improvements were achieved with a median decrease in the time below range by –0.3% (IQR –1.1%, 0.0%; P<.001), regardless of whether patients were started on an automated insulin delivery system. A total of 40 (75.5%) patients improved TIR by ≥5%, and 27 (50.9%) achieved TIR≥70% by the end of the study. Glycemic improvements were greatest among patients with the lowest baseline TIR and those who collaborated most intensively with Steady Health’s clinicians. A total of 25 of these patients responded to a questionnaire assessing levels of satisfaction with their care, and all of them agreed that Steady Health had a positive impact on their diabetes management. Conclusions Our findings suggest that patients with uncontrolled diabetes can achieve significant glycemic improvements by working with a virtual multidisciplinary care team that uses CGM to provide continuous clinical feedback and support.

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 candidatesMéta-épidémiologie (sens strict)
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 enseignants0,015
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
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 Opus0,017
Tête enseignante GPT0,307
Écart entre enseignants0,290 · 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

Citations6
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR DiabetesMême sujetDiabetes Management and ResearchTravaux en français237 207