MétaCan
Menu
Retour à la cohorte
Enregistrement W7117464580 · doi:10.2196/83685

A Tailor-Made Mobile App With a Local Cuisine Database for Self-Management of Type 2 Diabetes Mellitus: Randomized Controlled Trial

2025· article· en· W7117464580 sur OpenAlexvenueno aff
Supasuta Wongdama, Wannaporn Paemueang, Chutintorn Sriphrapradang

Notice bibliographique

RevueJMIR Diabetes · 2025
Typearticle
Langueen
DomaineHealth Professions
ThématiqueMobile Health and mHealth Applications
Établissements canadiensnon disponible
Organismes subventionnairesMahidol University
Mots-clésType 2 diabetesGlycemicRandomized controlled trialMobile appsDiabetes mellitusType 2 Diabetes MellitusSmartphone app

Résumé

récupéré en direct d'OpenAlex

Background: There are many mobile apps for diabetes self-management; however, most target Western populations and lack dietary content relevant to Asian contexts. Our mobile app addresses this gap by providing self-care tools and a database of regionally relevant foods. Objective: This study aimed to evaluate the effectiveness of the app in improving glycemic control and self-care behaviors among outpatients with uncontrolled type 2 diabetes at our hospital. Methods: We conducted a randomized controlled trial with adults with type 2 diabetes, hemoglobin A1c (HbA1c) of >7%, and access to a smartphone. Participants were randomized to an intervention group (daily use of the Rama Diabetes Care app) or a control group (standard care), with all receiving diabetes self-management education and support. The app includes 6 features, notably a nutritional logging system with a verified database of Thai and commonly consumed foods, including Asian and Western dishes, as well as blood glucose monitoring, exercise and medication tracking, symptom screening, and weight logging. The primary outcome was HbA1c level, and secondary outcomes included fasting plasma glucose (FPG), low-density lipoprotein cholesterol, estimated glomerular filtration rate, BMI, self-care behaviors, and user satisfaction with the app. The study was conducted between November 29, 2023, and October 30, 2024. Results: A total of 129 participants were randomized (intervention: n=64, 49.6%; control: n=65, 50.4%). Participants in the intervention group were younger (mean age 54.6, SD 14.3 years vs 61.9, SD 12.0 years; P=.002), whereas baseline HbA1c (mean 9.3%, SD 1.96%) and FPG (mean 179.5, SD 5.9 mg/dL) levels were similar between the groups. Over 6 months, the intervention group showed a greater HbA1c reduction than the control group (mean difference -0.24%), but the difference was not statistically significant (P=.13). Among participants aged <65 years, FPG at 6 months was significantly lower in the intervention group (mean difference -29.3 mg/dL; P=.03). App satisfaction was rated as moderate. Conclusions: The mobile app achieved glycemic control comparable to that achieved through standard care, with significant improvement in FPG among participants younger than 65 years. Tailor-made apps integrating regionally relevant dietary content may support effective self-management in type 2 diabetes and warrant further evaluation in larger, long-term studies.

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)0,003
score de la tête « metaresearch » (Gemma)0,000
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: Essai randomisé · Signal consensuel: Essai randomisé
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,257
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0020,000
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 Opus0,014
Tête enseignante GPT0,369
Écart entre enseignants0,355 · 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'étudeEssai randomisé
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

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR DiabetesMême sujetMobile Health and mHealth ApplicationsTravaux en français237 207