Time at home during the COVID-19 pandemic: a prospective examination of psychosocial health in people with and without type 2 diabetes using digital phenotyping
Notice bibliographique
Résumé
Abstract Introduction Societal restrictions due to COVID-19 have had a profound effect on our ability to connect with one another and limited our personal mobility. There is evidence that loneliness, social isolation, and psychological distress increased during restrictions for people with diabetes. Fluctuating restrictions provide a unique opportunity to utilise continuous GPS data from personal smartphones (digital phenotypes) to explore the relationship between time-at-home and psychosocial health for people with diabetes. This study aims to (1) describe the digital phenotypes of time-at-home during varying societal COVID-19 restrictions for people with and without type 2 diabetes and (2) to explore associations between these digital phenotypes and loneliness, social support, and other psychosocial factors and compare for people with and without type 2 diabetes. Methods Data come from a longitudinal observational study in the Republic of Ireland that ran between March and August 2021. Participants are seventy-four adults (64.8% female; median age-group = 50-54) with (N = 40) and without (N = 34) diabetes. Continuous GPS data were recorded for 2 months through the Beiwe smartphone application. Loneliness (UCLA-3), social support (MSPSS), diabetes stigma (DSAS-2; diabetes cohort only) as well as other demographic, psychosocial, and lifestyle questionnaires were assessed at baseline, 1 month, and 2 months follow-up. Analysis GPS data are being processed. The GPS-derived features of time-at-home, overall movement, and location variance will be computed. Associations between these digital phenotypes and psychosocial factors will be explored and changes over time examined using multilevel modeling. Conclusions We expect this study to be the first to describe and compare the digital phenotypes of people with and without diabetes during varying societal COVID-19 restrictions, providing new insights into the effects of such policies on the psychosocial health of people with diabetes.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».