Financial incentives in the management of diabetes: a systematic review
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
METHODS: Web of Science, Cochrane library and PubMed were systematically searched up to January 2024 to identify studies examining the impact of financial incentives on diabetes management in patients. Studies were evaluated based on the robustness of their methodology, participant numbers, and quality scores. The Cochrane risk-of-bias tool was applied for randomized controlled trials, while the Newcastle-Ottawa Scale was used for non-randomized controlled trials to assess study quality. Due to the heterogeneity of the included studies, a narrative synthesis approach was utilized. RESULTS: In the study, we included 12 published research studies. Five studies investigated the influence of financial incentives on patient behavior, all demonstrating a significant positive impact on behaviors such as blood glucose monitoring, medication adherence, and physical activity. 10 studies analyzed the impact of financial incentives on HbA1c levels in diabetes patients. Among them, 5 studies reported that financial incentives could improve HbA1c levels through longitudinal historical comparisons. The other 5 studies did not find significant improvements compared to the control group. Three studies explored long-term effects, two studies targeting the adolescent population had no impact, and one study targeting adults had a positive impact. CONCLUSIONS: In summary, this review found that financial incentives can positively influence patient behavior and enhance compliance, but their impact on HbA1c levels is inconsistent. Financial incentives may help adult patients maintain behavior even after the withdrawal of incentives.
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.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| 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 découle