eHealth profile of patients with diabetes
Notice bibliographique
Résumé
Background: Digital health technology can be useful to improve the health of patients with diabetes and to support patient-centered care and self-management. In this cross-sectional study, we described the eHealth profile of patients with diabetes, based on their use of digital health technology, and its association with sociodemographic characteristics. Methods: We used data from the "Qualité Diabète Valais" cohort study, conducted in one region of Switzerland (Canton Valais) since 2019. Participants with type 1 or type 2 diabetes completed questionnaires on sociodemographic characteristics and on the use of digital health technology. We defined eHealth profiles based on three features, i.e., ownership or use of (1) internet-connected devices (smartphone, tablet, or computer), (2) mHealth applications, and (3) connected health tools (activity sensor, smart weight scale, or connected blood glucose meter). We assessed the association between sociodemographic characteristics and participants' eHealth profiles using stratified analyses and logistic regression models. Results: Some 398 participants (38% women) with a mean age of 65 years (min: 25, max: 92) were included. The vast majority (94%) were Swiss citizens or bi-national and 68% were economically inactive; 14% had a primary level education, 51% a secondary level, and 32% a tertiary level. Some 75% of participants had type 2 diabetes. Some 90% of the participants owned internet-connected devices, 43% used mHealth applications, and 44% owned a connected health tool. Older age and a lower educational level were associated with lower odds of all features of the eHealth profile. To a lesser extent, having type 2 diabetes or not being a Swiss citizen were also associated with a lower use of digital health technology. There was no association with sex. Conclusion: While most participants owned internet-connected devices, only about half of them used mHealth applications or owned connected health tools. Older participants and those with a lower educational level were less likely to use digital health technology. eHealth implementation strategies need to consider these sociodemographic patterns among patients 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 | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,003 | 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 ».