“Anything that would help is a positive development”: feasibility, tolerability, and user experience of smartphone-based digital phenotyping for people with and without type 2 diabetes
Notice bibliographique
Résumé
Abstract Background Digital phenotyping, the in-situ collection of passive (phone sensor) and active (daily surveys) data using a digital device, may provide new insights into the complex relationship between daily behaviour and mood for people with type 2 diabetes. However, there are critical knowledge gaps regarding its use in people with type 2 diabetes. This study assessed feasibility, tolerability, and user experience of digital phenotyping in people with and without type 2 diabetes after participation in a 2-month digital phenotyping study in Ireland. At study completion, participants rated methodology elements from “not a problem” to a “serious problem” on a 5-point scale and reported their comfort with the potential future use of digital phenotyping in healthcare, with space for qualitative expansion. Results Eighty-two participants completed baseline. Attrition was 18.8%. Missing data ranged from 9–44% depending on data stream. Sixty-eight participants (82.9%) completed the user experience questionnaire (51.5% with type 2 diabetes; 61.8% female; median age-group 50–59). Tolerability of digital phenotyping was high, with “not a problem” being selected 76.5%—89.7% of the time across questions. People with type 2 diabetes (93.9%) were significantly more likely to be comfortable with their future healthcare provider having access to their digital phenotyping data than those without (53.1%), χ2 (1) = 14.01, p = < .001. Free text responses reflected a range of positive and negative experiences with the study methodology. Conclusions An uncompensated, 2-month digital phenotyping study was feasible among people with and without diabetes, with low attrition and reasonable missing data rates. Participants found digital phenotyping to be acceptable, and even enjoyable. The potential benefits of digital phenotyping for healthcare may be more apparent to people with type 2 diabetes than the general population.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».