The Clinical Impact of Flash Glucose Monitoring—a Digital Health App and Smartwatch Technology in Patients With Type 2 Diabetes: Scoping Review
Notice bibliographique
Résumé
BACKGROUND: Type 2 diabetes has a growing prevalence and confers significant cost burden to the health care system, raising the urgent need for cost-effective and easily accessible solutions. The management of type 2 diabetes requires significant commitment from the patient, caregivers, and the treating team to optimize clinical outcomes and prevent complications. Technology and its implications for the management of type 2 diabetes is a nascent area of research. The impact of some of the more recent technological innovations in this space, such as continuous glucose monitoring, flash glucose monitoring, web-based applications, as well as smartphone- and smart watch-based interactive apps has received limited attention in the research literature. OBJECTIVE: This scoping review aims to explore the literature available on type 2 diabetes, flash glucose monitoring, and digital health technology to improve diabetic clinical outcomes and inform future research in this area. METHODS: A scoping review was undertaken by searching Ovid MEDLINE and CINAHL databases. A second search using all identified keywords and index terms was performed on Ovid MEDLINE (January 1966 to July 2021), EMBASE (January 1980 to July 2021), Cochrane Central Register of Controlled Trials (CENTRAL; the Cochrane Library, latest issue), CINAHL (from 1982), IEEE Xplore, ACM Digital Libraries, and Web of Science databases. RESULTS: There were very few studies that have explored the use of mobile health and flash glucose monitoring in type 2 diabetes. These studies have explored somewhat disparate and limited areas of research, and there is a distinct lack of methodological rigor in this area of research. The 3 studies that met the inclusion criteria have addressed aspects of the proposed research question. CONCLUSIONS: This scoping review has highlighted the lack of research in this area, raising the opportunity for further research in this area, focusing on the clinical impact and feasibility of the use of multiple technologies, including flash glucose monitoring in the management of patients with type 2 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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».