Enhancement of Self-Management of Metabolic Syndrome Among Adults in Urban, Low-Income Settings of India Using Digital Health Interventions: Protocol for a Mixed Methods Study
Notice bibliographique
Résumé
BACKGROUND: Metabolic syndrome (MetS) is a growing concern among adult populations in India, particularly among those living in urban, low-income settings. This group is challenged by a combination of risk factors, including an urbanized lifestyle, poor access to health care, and financial limitations, leading to high levels of obesity, diabetes, and hypertension. OBJECTIVE: This study aims to address this challenge by designing, developing, and piloting a tailored, mobile-enabled, interactive, digital health intervention to enhance self-management of MetS among individuals living in urban, low-income settings in New Delhi, India. METHODS: The study uses mixed methods, including both quantitative and qualitative data collection, to design and evaluate the effectiveness of the intervention built on a multifactorial model in improving the self-management of MetS. Data will be collected at baseline and 12 months from adults living in urban, low-income settings in New Delhi. The results will contribute to our understanding of the interplay of risk factors in MetS and the impact of tailored digital health interventions in addressing this challenge. The findings will be disseminated to both national and international audiences through peer-reviewed publications. RESULTS: This study was funded in March 2022 for 3 years. The project started in April 2022. Data collection began in June 2022. The results are expected to be published in 2025. CONCLUSIONS: The study is expected to provide valuable insights into the role of digital health interventions in enhancing the self-management of MetS among urban, low-income populations. INTERNATIONAL REGISTERED REPORT IDENTIFIER (IRRID): PRR1-10.2196/40144.
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 | 0,037 | 0,024 |
| Méta-épidémiologie (sens strict) | 0,004 | 0,003 |
| Méta-épidémiologie (sens large) | 0,004 | 0,006 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,005 | 0,003 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,005 | 0,003 |
| Intégrité de la recherche | 0,005 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,040 | 0,007 |
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 ».