MétaCan
Menu
← Retour à la cohorte
Enregistrement W4392458271 · doi:10.2196/52766

Investigating Digital Patient-Reported Outcome Measures in Patient-Centered Diabetes Specialist Outpatient Care (DigiDiaS): Protocol for a Multimethod Prospective Observational Study

2024· article· en· W4392458271 sur OpenAlexvenueno aff
Astrid Torbjørnsen, Ingeborg Spildo, Maria Aadland Mollestad, Annesofie Lunde Jensen, Tone Singstad, Nina Mickelson Weldingh, Pål Joranger, Lis Ribu, Heidi Holmen

Notice bibliographique

RevueJMIR Research Protocols · 2024
Typearticle
Langueen
DomaineMedicine
ThématiqueDiabetes Management and Education
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésObservational studyMedicineProtocol (science)Diabetes mellitusResearch designFamily medicineAlternative medicineInternal medicine

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Living with type 1 diabetes is challenging, and to support self-management, repeated consultations in specialist outpatient care are often required. The emergence of new digital solutions has revolutionized how health care services can be patient centered, providing unprecedented opportunities for flexible, high-quality care. However, there is a lack of studies exploring how the use of digital patient-reported outcome measures (PROMs) for flexible specialist care affects diabetes self-management. To provide new knowledge on the relevance of using PROMs in standard care, we have designed a multimethod prospective study. OBJECTIVE: The overall aim of this protocol is to describe our prospective multimethod observational study designed to investigate digital PROMs in a routine specialist outpatient setting for flexible patient-centered diabetes care (DigiDiaS). METHODS: This protocol outlines the design of a multimethod prospective observational cohort study that includes data from electronic health records, self-reported questionnaires, clinical consultation field observations, and individual in-depth interviews with patients and diabetes health care personnel. All patients with type 1 diabetes at a designated outpatient clinic were invited to participate and use the digital PROM implemented in clinical care. Both users and nonusers of the digital PROM were eligible for the prospective study, allowing for a comparison of the two groups. Data were collected at baseline and after 12 months, including self-management as the primary outcome assessed using the Patient Activation Measure, along with the secondary outcomes of digital health literacy, quality of life, health economy, and clinical variables such as glycated hemoglobin. RESULTS: The digital solution was implemented for routine clinical care in the department in November 2021, and data collection for the prospective study started in October 2022. As of September 6, 2023, 84.6% (186/220) of patients among those in the digital PROM and 15.5% (34/220) of patients among the nonusers have consented to participate. We expect the study to have enough participants by the autumn of 2023. With 1 year of follow-up, the results are expected by spring 2025. CONCLUSIONS: In conclusion, a multimethod prospective observational cohort study can offer valuable insights into the relevance, effectiveness, and acceptability of digital tools using PROMs in diabetes specialist care. Such knowledge is crucial for achieving broad and successful implementation and use of these tools in a large diabetes outpatient clinic. INTERNATIONAL REGISTERED REPORT IDENTIFIER (IRRID): DERR1-10.2196/52766.

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)0,080
score de la tête « metaresearch » (Gemma)0,056
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: aucune
GenreSignal candidat: Protocole · Signal consensuel: Protocole
Score de désaccord entre enseignants0,080
Score d'incertitude au seuil0,424

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0800,056
Méta-épidémiologie (sens strict)0,0030,003
Méta-épidémiologie (sens large)0,0040,003
Bibliométrie0,0040,004
Études des sciences et des technologies0,0040,002
Communication savante0,0030,002
Science ouverte0,0030,003
Intégrité de la recherche0,0050,004
Charge utile insuffisante (le modèle a refusé de juger)0,0160,004

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 Opus0,535
Tête enseignante GPT0,565
Écart entre enseignants0,030 · 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
GenreProtocole

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

En bref

Citations4
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR Research Protocols→Même sujetDiabetes Management and Education→Travaux en français237 207→