Diabetes Self-management Apps: Systematic Review of Adoption Determinants and Future Research Agenda
Notice bibliographique
Résumé
BACKGROUND: Most diabetes management involves self-management. Effective self-management of the condition improves diabetes control, reduces the risk of complications, and improves patient outcomes. Mobile apps for diabetes self-management (DSM) can enhance patients' self-management activities. However, they are only effective if clinicians recommend them, and patients use them. OBJECTIVE: This study aimed to explore the determinants of DSM apps' use by patients and their recommendations by health care professionals (HCPs). It also outlines the future research agenda for using DSM apps in diabetes care. METHODS: We systematically reviewed the factors affecting the adoption of DSM apps by both patients and HCPs. Searches were performed using PubMed, Scopus, CINAHL, Cochrane Central, ACM, and Xplore digital libraries for articles published from 2008 to 2020. The search terms were diabetes, mobile apps, and self-management. Relevant data were extracted from the included studies and analyzed using a thematic synthesis approach. RESULTS: A total of 28 studies met the inclusion criteria. We identified a range of determinants related to patients' and HCPs' characteristics, experiences, and preferences. Young female patients were more likely to adopt DSM apps. Patients' perceptions of the benefits of apps, ease of use, and recommendations by patients and other HCPs strongly affect their intention to use DSM apps. HCPs are less likely to recommend these apps if they do not perceive their benefits and may not recommend their use if they are unaware of their existence or credibility. Young and technology-savvy HCPs were more likely to recommend DSM apps. CONCLUSIONS: Despite the potential of DSM apps to improve patients' self-care activities and diabetes outcomes, HCPs and patients remain hesitant to use them. However, the COVID-19 pandemic may hasten the integration of technology into diabetes care. The use of DSM apps may become a part of the new normal.
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 | 0,025 | 0,088 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,008 | 0,009 |
| Bibliométrie | 0,013 | 0,016 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,004 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,000 |
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.
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 ».