MétaCan
Menu
Retour à la cohorte
Enregistrement W4413869139 · doi:10.2196/73381

Experience of Using Wearable Devices for Dietary Management for Chinese Americans With Type 2 Diabetes: One-Group Prospective Cohort Study

2025· article· en· W4413869139 sur OpenAlexvenueno aff
M. Carol Greenlee, Bei Wu, Mingui Sun, Keer Chen, Wenyan Jia, Susan Zweig, Gail D’Eramo Melkus, Niyati Parekh, Yaguang Zheng

Notice bibliographique

RevueJMIR Diabetes · 2025
Typearticle
Langueen
DomaineHealth Professions
ThématiqueMobile Health and mHealth Applications
Établissements canadiensnon disponible
Organismes subventionnairesNational Center for Advancing Translational SciencesNational Institute of Diabetes and Digestive and Kidney DiseasesNational Institutes of Health
Mots-clésPreprintWearable computerWearable technologyCohortType 2 diabetesMedicineProspective cohort studyCohort studyGerontologyDiabetes mellitusComputer scienceInternal medicineWorld Wide WebEmbedded systemEndocrinology

Résumé

récupéré en direct d'OpenAlex

Background: Chinese Americans with type 2 diabetes (T2D) face significant challenges in dietary management, which is crucial for glycemic control. Wearable sensors, such as the electronic button (eButton) and continuous glucose monitor (CGM), offer a promising solution. Objective: We aimed to explore the experience of using the eButton and CGM for dietary management among Chinese Americans with T2D. Methods: Chinese Americans with T2D (N=11) participated in a one-group prospective cohort study, recruited via convenience sampling from the electronic medical records of NYU Langone Health. Participants wore an eButton on their chest to record their 10-day meals and a CGM for the 2 weeks and kept a diary to track food intake, medication, and physical activity. Individual interviews were conducted after 2 weeks to discuss their experience, barriers, and facilitators of use. Interview transcripts were thematically analyzed using ATLAS.ti (Scientific Software Development GmbH) software. Results: Facilitators of using an eButton included the device's ease of use, ability to make participants more mindful, and influence on increased sense of control. Greater awareness of food intake enabled participants to eat smaller portions. Reported barriers included privacy concerns, difficulty positioning the camera for pictures, and the lack of a meal photo record to track glucose trends. For the CGM, facilitators included its comfort and ease of use, its ability to increase mindfulness of meal choices, and its motivating changes in eating behaviors. The most common barriers included the sensor falling off, getting trapped in clothes, and causing skin sensitivity. Conclusions: Our findings suggest that it is feasible for Chinese Americans with T2D to use eButton and CGM for dietary management. When paired, these tools offer a promising method to help patients visualize the relationship between food intake and glycemic response. For clinical implementation, structured support from health care providers-such as dietitians or diabetes educators-is essential to help patients interpret the data meaningfully. Clinicians should also consider cultural factors, privacy concerns, and individual preferences when introducing wearable technologies, ensuring a personalized and patient-centered approach to diabetes care. Future studies should apply these devices to a larger sample over a longer duration to better inform effective diabetes management strategies.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,095
Score d'incertitude au seuil0,733

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 recherche0,0000,000
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 Opus0,040
Tête enseignante GPT0,434
Écart entre enseignants0,394 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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