Effect of the Implementation of a Multiple-Behavior Self-Monitoring Intervention on Dietary Intake in Type 2 Diabetes: Secondary Data Analysis
Notice bibliographique
Résumé
BACKGROUND: An electronic diary embedded in a mobile device to monitor lifestyle can be as effective as traditional methods. However, the efficacy of self-monitoring multiple behaviors for dietary intake has not been well studied in people with diabetes. OBJECTIVE: This study aimed to compare the effect of using technology-assisted self-monitoring versus paper diaries on changes in dietary intake. METHODS: This is a secondary analysis of data collected from 39 people with type 2 diabetes as part of a 3-month pilot clinical trial. Changes in energy intake and the contribution of total fat intake and total carbohydrate intake to total calories (%) from baseline to after intervention (3 months) were evaluated. RESULTS: In total, 26 (67%) of the 39 participants preferred mobile diaries over paper diaries. Participants in the mobile diary group showed slightly higher self-monitoring adherence. Linear mixed modeling results indicated a significant overall decrease in total energy intake (P=.005), dietary fat intake (P=.01), and carbohydrate intake (P=.08) from baseline to 3 months. No significant group differences were detected (P>.05). CONCLUSIONS: The implementation of a 3-month, multiple-behavior, self-monitoring intervention in Diabetes Self-Management Education programs has resulted in successful reduction in dietary intake (energy, fat, and carbohydrate), whichever self-monitoring method is chosen by participants according to their preferences. Long-term studies are needed to confirm our findings on dietary intake and examine other behavioral and disease outcomes that require monitoring.
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 | 0,011 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».