MétaCan
Menu
← Retour à la cohorte
Enregistrement W4409701960 · doi:10.2196/72659

Effects of Using a Digital Peer-Supported App on Glycated Hemoglobin Changes Among Patients With Type 2 Diabetes: Prospective Single-Arm Pilot Study

2025· article· en· W4409701960 sur OpenAlexvenueno aff
Shota Yoshihara, Kayoko Takahashi, Nozomi Harai, Kyoichiro Tsuchiya

Notice bibliographique

RevueJMIR Formative Research · 2025
Typearticle
Langueen
DomaineHealth Professions
ThématiqueMobile Health and mHealth Applications
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPreprintType 2 diabetesPsychologyMedicineDiabetes mellitusComputer scienceWorld Wide WebEndocrinology

Résumé

récupéré en direct d'OpenAlex

Background: Controlling glycated hemoglobin (HbA1c) levels can be challenging for patients with type 2 diabetes mellitus (T2DM). Peer support promotes HbA1c control, and a digital peer-supported app designed for group interactions may enable patients with T2DM to encourage one another to achieve better HbA1c outcomes. However, no studies have investigated the use of digital peer-supported apps to control HbA1c levels in patients with T2DM. Objective: This pilot study aimed to explore the effects of a digital peer-supported app on HbA1c control in patients with T2DM. Methods: This prospective single-arm pilot study enrolled patients with T2DM who owned smartphones and visited medical institutions in Japan. During the 3-month intervention, participants used a digital peer-supported app in addition to receiving standard care. This app allowed participants to share activity logs and concerns via a chat function to improve HbA1c levels through mutual engagement and encouragement. The primary outcome was the change in HbA1c levels, measured at health care facilities at baseline and after 3 months. The secondary outcomes were body weight and blood pressure, with the most recent data obtained from hospitals and clinics. Physical activity (≥1 hour/day) was assessed at the same time points using a self-reported questionnaire. Results: The study included 21 participants with a median age of 56 (IQR 51-61) years, of which 13 (61.9%) were female. After using the digital peer-supported app for 3 months, the participants' HbA1c levels significantly decreased from 7.1% (SD 0.6%) at baseline to 6.9% (SD 0.1%) (P=.04). Similarly, participants' body weight decreased from 70.7 (SD 12.7) kg to 69.9 (SD 12.4) kg (P =.004) through app use. Although blood pressure decreased slightly from 128.2 (SD 12.5) mm Hg to 126.0 (SD 12.9) mm Hg, this change was not statistically significant (P=.20). Additionally, the proportion of participants engaged in ≥1 hour of daily physical activity significantly increased from 23.5% (n=4) to 58.5% (n=10) (P=.03). Conclusions: In addition to receiving standard clinical care, the use of a digital peer-supported app may significantly lower HbA1c levels in patients with T2DM by promoting healthy behaviors.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Essai non randomisé · Signal consensuel: Essai non randomisé
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,016

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,003
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0020,002
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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.

Tête enseignante Opus0,066
Tête enseignante GPT0,448
Écart entre enseignants0,382 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeEssai non randomisé
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations4
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR Formative Research→Même sujetMobile Health and mHealth Applications→Travaux en français237 207→