A 12-Month Follow-Up of the Effects of a Digital Diabetes Prevention Program (VP Transform for Prediabetes) on Weight and Physical Activity Among Adults With Prediabetes: Secondary Analysis (Preprint)
Notice bibliographique
Résumé
BACKGROUND The prevalence of diabetes is increasing rapidly. Previous research has demonstrated the efficacy of a diabetes prevention program (DPP) in lifestyle modifications that can prevent or delay the onset of type 2 diabetes among individuals at risk. Digital DPPs have the potential to use technology, in conjunction with behavior change science, to prevent prediabetes on a national and global scale. OBJECTIVE The aim of this study is to investigate the effects of a digital DPP (Virgin Pulse [VP] Transform for Prediabetes) on weight and physical activity among participants who had completed 12 months of the program. METHODS This study was a secondary analysis of retrospective data of adults with prediabetes who were enrolled in VP Transform for Prediabetes for 12 months of the program. The program incorporates interactive mobile computing, remote monitoring, an evidence-based curriculum, behavior tracking tools, health coaching, and online peer support to prevent or delay the onset of type 2 diabetes. RESULTS The sample (N=1095) was comprised of people with prediabetes who completed at least 9 months of the VP Transform for Prediabetes program. Participants were 67.7% (n=741) female, with a mean age of 53.6 (SD 9.75) years. After 12 months, participants decreased their weight by an average of 10.9 lbs (5.5%; P<.001) and increased their physical activity by 91.2 (P<.001) minutes. CONCLUSIONS These results suggest that VP Transform for Prediabetes is effective at preventing type 2 diabetes through a significant reduction in body weight and increase of physical activity. Furthermore, these results suggest that the DPP remains effective 12 months after beginning the program. A prospective randomized controlled clinical study is warranted to validate these findings.
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
Étiquettes directes de modèles (non validées)
Étiquettes de catégorie et de devis d'étude par modèle, issues des rondes d'étiquetage. C'est une sortie machine, non validée, et le désaccord entre modèles est livré comme donnée. Aucun devis ici n'est encore validé contre MEDLINE.
| Bras | Catégories | Devis d'étude | Confiance |
|---|---|---|---|
| gemma | aucune catégorie Domaine: non disponible · Genre: Empirique Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non | Essai non randomisé | low |
| gpt | aucune catégorie Domaine: non disponible · Genre: Empirique Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non | Observationnel | high |
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 | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,003 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 validéeÉtiqueté directement par 2 modèles lisant le dossier complet.
Les modèles divergent sur des parties de cette classification; chaque voix est préservée dans la section en fin de page.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».