Mobile health applications for self-regulation of glucose levels in type 2 diabetes mellitus patients: a systematic review
Notice bibliographique
Résumé
AMA Syabariyah S, Wardani P, Aisyah P, Hisan U. Mobile health applications for self-regulation of glucose levels in type 2 diabetes mellitus patients: a systematic review. Family Medicine & Primary Care Review. 2024;26(1):123-136. doi:10.5114/fmpcr.2024.134712. APA Syabariyah, S., Wardani, P., Aisyah, P., & Hisan, U. (2024). Mobile health applications for self-regulation of glucose levels in type 2 diabetes mellitus patients: a systematic review. Family Medicine & Primary Care Review, 26(1), 123-136. https://doi.org/10.5114/fmpcr.2024.134712 Chicago Syabariyah, Sitti, Puput Putri Kusuma Wardani, Popy Siti Aisyah, and Urfa Khairatun Hisan. 2024. "Mobile health applications for self-regulation of glucose levels in type 2 diabetes mellitus patients: a systematic review". Family Medicine & Primary Care Review 26 (1): 123-136. doi:10.5114/fmpcr.2024.134712. Harvard Syabariyah, S., Wardani, P., Aisyah, P., and Hisan, U. (2024). Mobile health applications for self-regulation of glucose levels in type 2 diabetes mellitus patients: a systematic review. Family Medicine & Primary Care Review, 26(1), pp.123-136. https://doi.org/10.5114/fmpcr.2024.134712 MLA Syabariyah, Sitti et al. "Mobile health applications for self-regulation of glucose levels in type 2 diabetes mellitus patients: a systematic review." Family Medicine & Primary Care Review, vol. 26, no. 1, 2024, pp. 123-136. doi:10.5114/fmpcr.2024.134712. Vancouver Syabariyah S, Wardani P, Aisyah P, Hisan U. Mobile health applications for self-regulation of glucose levels in type 2 diabetes mellitus patients: a systematic review. Family Medicine & Primary Care Review. 2024;26(1):123-136. doi:10.5114/fmpcr.2024.134712.
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 | 0,005 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,011 | 0,001 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 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 ».