12606 Gamification In The Management Of Children And Adolescents With Diabetes: A Systematic Review
Notice bibliographique
Résumé
Abstract Disclosure: L.C. Hespanhol: None. V. Lins de Menezes: None. P. Souto Maia: None. C.A. Balieiro: None. W. Oliveira Amador: None. R. Lira: None. Background: Educating children and adolescents with diabetes about their own condition presents a significant challenge. Gamification has been proposed as an innovative approach to ease the transition to self-care by engaging and empowering children and adolescents in their diabetes management. Purpose: The purpose of this systematic review is to examine published research on using gamification and technology within diabetes care for young patients. Methods: PubMed, Lilacs and EMBASE were systematically searched in January 2024 to include articles focusing on the use of new virtual technologies to improve the clinical and laboratory conditions of children and adolescents with diabetes. The protocol was registered in PROSPERO (ID: CRD42024499381) adhering to PRISMA recommendations. We assessed the risk of bias using RoB-2 and ROBINS-I. Results: A total of 24 studies were included, of which 7 were randomized trials. Age of participants ranged from 5 to 19 years. We identified five gamification strategies (i.e., applications, video games, minigame, robot, or web game) within seven clinical domains (i.e., psychosocial impairment, glycemic control, autonomy, reduced frequency of error, health lifestyle, nutrition, or knowledge about disease). 246 (27%) patients demonstrated reduced emotional distress and increased enjoyment. Reduction of errors such as hypoglycemia and emergency preparedness was identified in 354 (39%) of patients and improvement in glycemic control measured by HbA1c was described in 277 (30%) of patients. Conclusion: Our systematic review gamification has shown promise in fostering autonomy by providing tools that educate young individuals regarding glycemic control, lifestyle choices, injection practices, carbohydrate counting, and other pertinent aspects of diabetes management. Presentation: 6/1/2024
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 | 0,006 | 0,025 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,006 | 0,007 |
| Bibliométrie | 0,005 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 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 ».