MétaCan
Menu
Retour à la cohorte
Enregistrement W4389351302 · doi:10.21653/tjpr.1163067

COST ANALYSIS OF MOBILE TECHNOLOGY AND SUPERVISED EXERCISE TRAINING IN TYPE 2 DIABETES MELLITUS

2023· article· tr· W4389351302 sur OpenAlexaff
Eren Timurtaş, Kedar Mate, Gökçe Kartal, İlkşan Demırbüken, Yusuf Çeli̇k, Mi̇ne Gülden Polat, Mehveş Tarım

Notice bibliographique

RevueTürk fizyoterapi ve rehabilitasyon dergisi · 2023
Typearticle
Languetr
DomaineHealth Professions
ThématiqueMobile Health and mHealth Applications
Établissements canadiensMcGill University
Organismes subventionnairesTürkiye Bilimsel ve Teknolojik Araştırma Kurumu
Mots-clésGynecologyMedicine

Résumé

récupéré en direct d'OpenAlex

Amaç: Bu araştırmanın amacı, Tip-2 Diabetes Mellituslu (T2DM) kişilerin gözetimli egzersiz, akıllı telefon uygulaması ve akıllı saat kullanarak yaptıkları 12 haftalık egzersiz takibinin yapıldığı randomize kontrollü klinik çalışmanın maliyet analizinin yapılmasıdır. Yöntem: Denetimli egzersiz, akıllı telefon uygulaması ve akıllı saat yoluyla 12 hafta boyunca egzersiz uygulanan üç farklı T2DM grubu için Sosyal Sigortalar Kurumu tarafından yapılan ödemeler belirlenerek bütçe etkisi hesaplanmış ve maliyet etkinliği toplumsal bakış açısıyla hesaplanmıştır. Sonuç: Türk Lirası (TL) başına Kaliteye Ayarlanmış Yaşam Yıl (KAYY) değerleri denetimli egzersiz grubunda 14.863 TL; akıllı telefon uygulama grubunda 6056 TL, akıllı saat grubunda 7379 TL olarak bulundu. Maliyet etkinliği en yüksek olan yöntemin akıllı telefonla egzersiz uygulama yöntemi olduğu belirlendi. Maliyet analizinde KAYY değerlerindeki değişim denetimli egzersiz grubunda 0,11; akıllı telefon uygulama grubunda 0,12 ve akıllı saat grubunda 0,11 olarak hesaplandı. Tartışma: Maliyet etkinliği akıllı telefon uygulama grubunda yüksek, mobil uygulamalar grubunda orta ve denetimli egzersiz grubunda en düşük olup çalışmanın sonuçları literatür ile benzerlik göstermektedir.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,009
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,024
Score d'incertitude au seuil0,047

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,009
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,003
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,000

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.

Tête enseignante Opus0,041
Tête enseignante GPT0,379
Écart entre enseignants0,337 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTürk fizyoterapi ve rehabilitasyon dergisiMême sujetMobile Health and mHealth ApplicationsTravaux en français237 207