Enhancing Health Equity and Patient Engagement in Diabetes Care: Technology-Aided Continuous Glucose Monitoring Pilot Implementation Project
Notice bibliographique
Résumé
Federally Qualified Health Centers (FQHCs) provide service to medically underserved areas and communities, providing care to over 32 million patients annually. The burden of diabetes is increasing, but often, the vulnerable communities served by FQHCs lag in the management of the disease due to limited resources and related social determinants of health. With the increasing adoption of technologies in health care delivery, digital tools for continuous glucose monitoring (CGM) are being used to improve disease management and increase patient engagement. In this viewpoint, we share insights on the implementation of a CGM program at an FQHC, the Community-University Health Care Center (CUHCC) in Minneapolis, Minnesota. Our intent is to improve diabetes management through better monitoring of glucose and to ensure that the CGM program enables our organization's overarching digital strategy. Given the resource limitations of our population, we provided Libre Pro devices to uninsured patients through grants to improve health care equity. We used an interdisciplinary approach involving pharmacists, nurses, and clinicians and used hemoglobin A1c (HbA1c) levels as a measure of diabetes management. We assessed the CGM program and noted key aspects to guide future implementation and scalability. We recruited 148 participants with a mean age of 54 years; 39.8% (59/148) self-identified their race as non-White, 9.5% (14/148) self-identified their ethnicity as Hispanic or Latino, and one-third (53/148, 35.8%) were uninsured. Participants had diverse language preferences, with Spanish (54/148, 36.5%), English (52/148, 35.1%), Somali (21/148, 14.2%), and other languages (21/148, 14.2%). Their clinical characteristics included an average BMI of 29.91 kg/m2 and a mean baseline HbA1c level of 9.73%. Results indicate that the CGM program reduced HbA1c levels significantly from baseline to first follow-up (P<.001) and second follow-up (P<.001), but no significant difference between the first and second follow-up (P=.94). We share key lessons learned on cultural and language barriers, the digital divide, technical issues, and interoperability needs. These key lessons are generalizable for improving implementation at FQHCs and refining digital strategies for future scalability.
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 | 0,021 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,002 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,006 |
| Intégrité de la recherche | 0,002 | 0,003 |
| 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 ».