Gamified Optimized Diabetes Management With Artificial Intelligence–Powered Rural Telehealth Intervention (GODART): Protocol for an Optimization Pilot and Feasibility Trial
Notice bibliographique
Résumé
Background Type 2 diabetes mellitus (T2DM) is highly prevalent in the United States and represents a significant public health challenge. Telehealth interventions have shown promise for improving T2DM outcomes, but their effectiveness is often limited by disparities in digital literacy and access, especially in rural areas. To address this gap, we propose an innovative, individualized lifestyle modification intervention delivered via phone call to support glycemic control. Objective This paper outlines the protocol for a pilot study designed to assess the feasibility and preliminary effectiveness of an artificial intelligence–assisted intervention for T2DM self-management in rural settings. Methods The study uses the preparation phase of the MOST (Multiphase Optimization Strategy) framework to evaluate two components: (1) automated versus human health coaching and (2) fixed versus adapted gamified financial incentives, based on participants’ daily engagement with automated monitoring calls. We aim to enroll 88 adults with T2DM and hemoglobin A1c (HbA1c) levels between 6.5% and 11.5%. Participants receive daily interactive voice response calls tracking diet, physical activity, medication adherence, and blood glucose, and weekly coaching based on randomization. In the fixed-reward arm, participants earn US $0.60 per day; in the adaptive arm, rewards start at US $0.20 and increase weekly, with penalties for missed days. Primary outcomes include feasibility metrics and preliminary changes in HbA1c. Semistructured interviews will assess patient experience. Results This study was funded by the National Institute of Diabetes and Digestive and Kidney Diseases. As of October 2025, we have enrolled and completed data collection for 88 participants. We expect to complete the feasibility analysis by December 2025. Conclusions This pilot and feasibility study evaluates a low-tech, artificial intelligence–assisted T2DM intervention designed to reduce digital barriers and inform a future MOST optimization trial. Trial Registration ClinicalTrials.gov NCT05344859; https://clinicaltrials.gov/study/NCT05344859 International Registered Report Identifier (IRRID) DERR1-10.2196/70271
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 | 0,023 | 0,020 |
| Méta-épidémiologie (sens strict) | 0,004 | 0,003 |
| Méta-épidémiologie (sens large) | 0,005 | 0,003 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,003 | 0,003 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,005 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,065 | 0,011 |
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 ».