Can mHealth, when monitored by a primary care provider, maintain hemoglobin A1c values in target range with adolescents between the ages of 10-19 diagnosed with type 1 diabetes mellitus?
Notice bibliographique
Résumé
Diabetes mellitus is an international epidemic affecting millions of individuals worldwide. In Canada, an estimated 3.4 million individuals are living with diabetes mellitus— approximately 9.3 percent of the total population (Canadian Diabetes Association, 2018). A high prevalence of diabetes mellitus comes with a substantial cost; the direct annual cost associated with diabetes mellitus is expected to reach 3.1 billion dollars by 2020 (Bilandzic & Rosella, 2017). The Canadian Pediatric Society recognizes that there are currently 33,000 children and adolescents aged 5-18 years old living with type 1 diabetes mellitus (T1DM) (as cited in the Diabetic Children’s Foundation, 2018). As children and adolescents with T1DM are in the process of developing physically and psychologically, they are at an increased risk of developing complications of diabetes that require short to long term attention and monitoring. The utilization of mobile technology to provide healthcare services is commonly referred to as mHealth. Such technology offers an opportunity to address the challenges of chronic disease management with this technology- intelligent population (Kitsiou, Paré, Jaana, & Gerber, B. 2017). As a component of the Master of Science in Nursing- Nurse Practitioner program at the University of Northern British Columbia, the following is an integrative review to answer the research question: Can mHealth, when monitored by a primary care provider, maintain hemoglobin A1c values in target range with adolescents between the ages of 10-19 diagnosed with type 1 diabetes mellitus?
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 | 0,004 | 0,020 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,005 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 ».