Effect of Computer-Generated Tailored Feedback on Glycemic Control in People With Diabetes in the Community A randomized
Notice bibliographique
Résumé
OBJECTIVE—It is unknown whether computer-generated, patient-tailored feedback leads to improvements in glycemic control in people with type 2 diabetes. RESEARCHDESIGNANDMETHODS—We recruited people with type 2 diabetes aged $40 years with a glycated hemoglobin (A1C) $7%, living in Hamilton, Canada, who were enrolled in a community-based program (Diabetes Hamilton) that provided regular evidence-based information and listings of community resources designed to facilitate diabetes self-management. After completing a questionnaire, participants were randomly allocated to either receive or not receive periodic computer-generated, evidence-based feedback on the basis of their questionnaire responses and designed to facilitate improved glycemic control and diabetes self-management. The primary outcome was a change in A1C after 1 year. RESULTS—A total of 465 participants (50 % women, mean age 62 years, and mean A1C 7.83%) were randomly assigned, and 12-month A1C values were available in 96 % of all participants, at which time the A1C level had decreased by an absolute amount of 0.24 and 0.15 % in the interven-tion and control groups, respectively. The difference in A1C reduction for the intervention versus control group was 0.09 % (95 % CI 20.08 to 0.26; P = 0.3). No between-group differences in
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 | 0,003 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,014 | 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 ».