Improvements in Glycemic Control and Depressive Symptoms Among Adults With Type 2 Diabetes: Retrospective Study
Notice bibliographique
Résumé
BACKGROUND: The prevalence of diabetes remains high, with traditional lifestyle interventions demonstrating limited success in improving diabetes-related outcomes, particularly among individuals with diabetes-related mental health comorbidities. Digital health interventions provide the ability to ease the sustained and rigorous self-management needs associated with diabetes care and treatment. Current interventions though, are plagued by small sample sizes, underpowered pilot studies, and immense heterogeneity in program intervention, duration, and measured outcomes. OBJECTIVE: Therefore, this work aimed to evaluate the effectiveness of a mobile health diabetes management program on measures of glycemic control in a high-risk population with type 2 diabetes (hemoglobin A1c [HbA1c] ≥8.0%), utilizing a sample of 1128 participants who provided baseline and follow-up data. The sustainability of this change in glycemic control was examined in a subset of participants (n=455) at 6 months and 1 year following program enrollment. A secondary analysis examined changes in glycemic control among a subset of participants with self-reported mild-to-moderate depression at baseline. METHODS: This study utilized a single-arm, retrospective design. Participants were enrolled in the Vida Health Diabetes Management Program. This app-based intervention utilized one-on-one remote sessions with a health coach, registered dietitian nutritionist, and/or a certified diabetes care and education specialist and structured lessons and tools related to diabetes management and self-care. Participants provided baseline (-365 to 21 days of program enrollment) as well as follow-up (at least 90 days following program enrollment) HbA1c values. Paired t tests were used to evaluate changes in HbA1c between baseline and follow-up time points. The 8-item Patient Health Questionnaire and the 7-item Generalized Anxiety Disorder Scale were utilized to assess self-reported depressive and anxiety symptoms, respectively. Paired t tests and linear regression modeling accounting for pertinent covariates were used to evaluate changes in mental health symptom acuity and their relationship with changes in glycemic control. RESULTS: We observed a significant decrease in HbA1c of -1.35 points between baseline (mean 9.84, SD 1.64) and follow-up (mean 8.48, SD 1.77; t=22.56, P<.001) among this large, high-risk sample. This decrease was sustained up to 1 year following program enrollment. Additionally, a significant relationship between improvements in depressive symptom acuity and improvements in HbA1c was observed (β=-0.74, P=.03). CONCLUSIONS: This study demonstrates clinically meaningful improvements in glycemic control among participants enrolled in the Vida Health Diabetes Management Program. Additionally, this work presents one of the largest studied samples of participants enrolled in a digital health diabetes management program to date.
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 | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| 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) | 0,001 | 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 ».