MétaCan
Menu
Retour à la cohorte
Enregistrement W4413420895 · doi:10.2196/68694

A Novel Mobile Health App to Educate and Empower Young Adults With Type 1 Diabetes to Exercise Safely: Prospective Single-Arm Pre-Post Noninferiority Clinical Trial

2025· article· en· W4413420895 sur OpenAlexvenueno aff
Vinutha B. Shetty, Rachel Qian Hui Lim, Shaun Y. M. Teo, Wayne H K Soon, Heather C Roby, Alison Roberts, Grant J. Smith, Paul Fournier, Timothy W. Jones, Elizabeth A. Davis

Notice bibliographique

RevueJMIR Diabetes · 2025
Typearticle
Langueen
DomaineHealth Professions
ThématiqueMobile Health and mHealth Applications
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésHypoglycemiaMedicinemHealthRate ratioPhysical therapyType 1 diabetesRepeated measures designLikert scaleType 2 diabetesDiabetes mellitusConfidence intervalPsychologyInternal medicinePsychological interventionDevelopmental psychologyNursing

Résumé

récupéré en direct d'OpenAlex

Background: A novel mobile health (mHealth) app "acT1ve," developed using a co-design model, provides real-time support during exercise for young people with type 1 diabetes (T1D). Objective: This study aimed to demonstrate the noninferiority of acT1ve compared with "treatment as usual" with regard to hypoglycemic events. Methods: Thirty-nine participants living with T1D (age: 17.2, SD 3.3 years; HbA1c: 64, SD 6.0 mmol/mol) completed a 12-week single-arm, pre-post noninferiority study with a follow-up qualitative component. During the intervention, continuous glucose monitoring (CGM) and physical activity were monitored while participants used acT1ve to manage exercise. CGM data were used to assess the number of hypoglycemic events (<3.9 mmol/L for ≥15 minutes) in each phase. Using a mixed effects negative binomial regression, the difference in the rates of hypoglycemia between the preapp and app-use phases was analyzed. Participants completed both a semistructured interview and the user Mobile Application Rating Scale (uMARS) questionnaire postintervention. All interviews were audio-recorded for transcription, and a deductive content analysis approach was used to analyze the participant interviews. The uMARS Likert scores for each subscale (engagement, functionality, esthetics, and information) were calculated and reported as medians with IQRs. Results: The rates of hypoglycemia were similar for both the preapp and app-use phases (0.79 and 0.83 hypoglycemia events per day, respectively). The upper bound of the CI of the hypoglycemia rate ratio met the prespecified criteria for noninferiority (rate ratio=1.06; 95% CI 0.91-1.22). The uMARS analysis showed a high rating (≥4 out of 5) of acT1ve by 80% of participants for both functionality and information, 72% for esthetics, and 63% for overall uMARS rating. Content analysis of the interview transcripts identified 3 main themes: "Provision of information," "Exercising with the App," and "Targeted Population." Conclusions: The mHealth app "acT1ve," which was developed in collaboration with young people with T1D, is functional, acceptable, and safe for diabetes management around exercise. The study supports the noninferiority of acT1ve compared with "treatment as usual" with regards to hypoglycemic events.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,201
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,030
Tête enseignante GPT0,435
Écart entre enseignants0,404 · 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 tête enseignante, pas un consensus.

Devis d'étudeObservationnel
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

Citations1
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR DiabetesMême sujetMobile Health and mHealth ApplicationsTravaux en français237 207