Effect of a personalized mobile application on glucose control in adults with prediabetes and type 2 diabetes: an exploratory pilot randomized controlled trial (Preprint)
Notice bibliographique
Résumé
BACKGROUND: The incidence of type 2 diabetes (T2D) continues to increase, and the lack of individualized therapy strategies hinders patient engagement with and commitment to a healthy lifestyle. The PROTEIN project aimed to facilitate users in choosing healthy living, thereby improving their metabolism and T2D management. OBJECTIVE: This study aims to assess the efficacy of a personalized mobile app to achieve a 5% time in range (TIR) improvement over a 12-week intervention in adults with prediabetes or T2D. METHODS: We conducted an exploratory pilot randomized controlled trial with 21 individuals with T2D or prediabetes who used a continuous glucose monitoring system and the PROTEIN mobile app for personalized meals and exercise recommendations based on their glucose levels and physical activity. RESULTS: The TIR of the participants increased (P<.05; from 71.8%, SD 27.3% to 76%, SD 28.1%) with individual use of the PROTEIN app but did not achieve a 5% improvement overall; however, given the exploratory design and small sample size, this finding should be interpreted with caution. Glycated hemoglobin, fasting blood glucose, and body weight did not fluctuate throughout the 12-week intervention. The dropout rate was high, and the average duration of use of the PROTEIN app was 42 (range 5-84) days. CONCLUSIONS: Our results showed a modest increase in TIR with the use of the PROTEIN app; however, considering the exploratory design and small sample size, this finding should be interpreted as preliminary. Integrating wearables and automated personalization for well-being is an innovative approach that must keep pace with the accelerated development of ever-evolving technologies. The COVID-19 pandemic was a major obstacle to recruitment in our clinical trial. TRIAL REGISTRATION: ClinicalTrials.gov NCT05951140; https://clinicaltrials.gov/study/NCT05951140.
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 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| 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 | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».