MétaCan
Menu
Retour à la cohorte
Enregistrement W4205222728 · doi:10.2196/32815

Development and Usability of a Text Messaging Program for Women With Gestational Diabetes: Mixed Methods Study

2021· article· en· W4205222728 sur OpenAlexvenueno aff
Rachel Blair, Christine E Horn, Jennifer Dias, Marie E. McDonnell, Ellen W. Seely

Notice bibliographique

RevueJMIR Human Factors · 2021
Typearticle
Langueen
DomaineHealth Professions
ThématiqueMobile Health and mHealth Applications
Établissements canadiensnon disponible
Organismes subventionnairesNational Center for Advancing Translational SciencesNational Institute of Diabetes and Digestive and Kidney DiseasesEndocrine Fellows FoundationHarvard CatalystNational Institutes of HealthHarvard University
Mots-clésUsabilityGestational diabetesMedicinePersonalizationShort Message ServicePregnancyComputer scienceGestationWorld Wide WebHuman–computer interaction

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Gestational diabetes mellitus (GDM) affects 5%-10% of pregnancies and can lead to serious fetal and maternal complications. SMS text messaging is an effective way to improve diabetes management outside of pregnancy, but has not been well studied in GDM. OBJECTIVE: This study aimed to perform user experience testing and assess usability and acceptability of an SMS text messaging program (Text 4 Success) for women with GDM. METHODS: An automated 2-way texting program was developed. It included (1) reminders to check blood glucose levels, (2) positive feedback to user-reported glucose levels, (3) weekly educational messages, and (4) weekly motivational messages. For the user experience testing, women received simulated messages. For the usability study, women were enrolled in the program and received messages for 2 weeks. All women participated in semistructured interviews. For women in the usability study, data from glucose measuring devices were downloaded to assess adherence to self-monitoring of blood glucose (SMBG), measured as the percentage of recommended SMBG checks performed (a secondary outcome). RESULTS: Ten women participated in user experience testing. Suggestions for optimization included further customization of message timing and minimization of jargon, which were incorporated. Ten women participated in the usability study. All 10 would recommend the program to other women with GDM. Participants liked the immediate feedback to glucose values. Suggestions included further flexibility of messages related to mealtimes and the ability to aggregate blood glucose data into a table or graph. Overall, adherence to SMBG testing was high at baseline (222/238 recommended checks, 93%). In comparing the week prior to the trial with the 2 weeks during the trial, there was a small but statistically insignificant difference (P=.48) in the percentage of recommended SMBG performed (median 93% [25th-75th IQR 89%-100%] vs median 97% [25th-75th IQR 92%-100%]). CONCLUSIONS: Overall, women with GDM would recommend the Text 4 Success in GDM program and think it is helpful for GDM self-management. The program was usable and acceptable. The program may be better suited to those who have low levels of adherence to SMBG at baseline or to women at time of their diagnosis of GDM. Adaptations to the program will be made based on user suggestions. Further study of SMS text messaging to improve SMBG in GDM is needed.

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 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 enseignants0,105
Score d'incertitude au seuil0,750

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
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 Opus0,083
Tête enseignante GPT0,503
Écart entre enseignants0,419 · 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

Citations5
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR Human FactorsMême sujetMobile Health and mHealth ApplicationsTravaux en français237 207