Secure Messaging for Diabetes Management: Content Analysis
Notice bibliographique
Résumé
BACKGROUND: Secure messaging use is associated with improved diabetes-related outcomes. However, it is less clear how secure messaging supports diabetes management. OBJECTIVE: We examined secure message topics between patients and clinical team members in a national sample of veterans with type 2 diabetes to understand use of secure messaging for diabetes management and potential associations with glycemic control. METHODS: We surveyed and analyzed the content of secure messages between 448 US Veterans Health Administration patients with type 2 diabetes and their clinical teams. We also explored the relationship between secure messaging content and glycemic control. RESULTS: Explicit diabetes-related content was the most frequent topic (72.1% of participants), followed by blood pressure (31.7% of participants). Among diabetes-related conversations, 90.7% of patients discussed medication renewals or refills. More patients with good glycemic control engaged in 1 or more threads about blood pressure compared to those with poor control (37.5% vs 27.2%, P=.02). More patients with good glycemic control engaged in 1 more threads intended to share information with their clinical team about an aspect of their diabetes management compared to those with poor control (23.7% vs 12.4%, P=.009). CONCLUSIONS: There were few differences in secure messaging topics between patients in good versus poor glycemic control. Those in good control were more likely to engage in informational messages to their team and send messages related to blood pressure. It may be that the specific topic content of the secure messages may not be that important for glycemic control. Simply making it easier for patients to communicate with their clinical teams may be the driving influence between associations previously reported in the literature between secure messaging and positive clinical outcomes in 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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| 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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,001 |
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 ».