Digital Bioimpedance for Physical Activity Detection in Type-2 Diabetes: Quasi-Experimental Validation Study
Notice bibliographique
Résumé
Background: Primary care diabetes management lacks objective, scalable methods for continuous physical activity surveillance. Bioelectrical impedance analysis (BIA), routinely collected in diabetes care, offers untapped potential as an automated digital biomarker but requires validation for behavioral phenotyping. Objective: This study aims to evaluate the feasibility and predictive validity of multifrequency bioimpedance for physical activity detection and its association with glycemic control in type 2 diabetes. Methods: This was a pragmatic quasi-experimental study using temporal allocation across three 4-month periods (January 2021-July 2023) in a Japanese primary care clinic, including comprehensive tracking with BIA-guided counseling (n=65), partial tracking (n=31), and standard care (n=100). Adults with type 2 diabetes (hemoglobin A1c [HbA1c] 7.0%-10.0%) underwent monthly segmental multifrequency BIA. The primary outcome was HbA1c <7% at 4 months. Intervention-outcome associations were examined using chi-square trend tests and multivariable logistic regression adjusted for baseline HbA1c, the Walk Score (0-100), and medication indicators. To assess temporal confounding, we conducted ANCOVA on 4-month HbA1c with baseline adjustment (age and BMI added in sensitivity analyses). Effect modification by built environment was tested via Walk Score×Intervention interaction. Predictive validity of left-arm 50-kHz reactance was assessed using area under receiver operating characteristic curve with 95% CI via 10-fold cross-validation. Results: Among 196 participants, the baseline characteristics (age, BMI, HbA1c, diabetes duration, and medications) did not differ across periods (all P>.05). HbA1c <7% achievement showed a gradient: 80% (52/65) comprehensive, 58% (18/31) partial, and 56% (56/100) standard care (χ²4 for trend=14.23; P<.001). ANCOVA of 4-month HbA1c (baseline-adjusted) showed no linear period trend (P=.25). A significant Walk Score×Intervention interaction was observed (β per 10-point Walk Score=-.55; 95% CI -1.03 to -0.06; P=.028), indicating differential effectiveness by neighborhood walkability. Left-arm 50-kHz reactance predicted target achievement (adjusted odds ratio per 1-SD increase =3.04; 95% CI 1.86-4.97; P<.001; area under receiver operating characteristic curve=0.847, 95% CI 0.784-0.910). Among achievers, reactance change correlated with HbA1c change (r=-0.392; P=.032) but not among nonachievers (r=-0.089; P=.54). After the inverse probability weighting was stabilized, each 1-SD increase in left-arm reactance was associated with a 12.1 percentage-point higher probability of target achievement (95% CI 5.2%-19.0%). Conclusions: This pragmatic implementation study demonstrates that automated BIA is feasible for routine diabetes care and suggests potential as a digital biomarker of activity-related glycemic control. While temporal allocation precludes definitive causal inference, and findings should be interpreted as associational, the observed Walk Score moderation and bioimpedance-HbA1c dose-response patterns are consistent with behavioral mechanisms rather than pure confounding. Left-arm reactance warrants randomized validation as a scalable, passive surveillance tool for precision diabetes management.
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 | 0,019 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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.
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 ».