原始论文
摘要
背景:数字疗法是一种基于证据的治疗干预,由高质量的软件程序驱动,用于治疗、预防或管理医学障碍或疾病。许多针对西方人群的研究表明,基于移动应用程序的数字疗法对于改善2型糖尿病(T2D)患者的血糖控制是有效的。然而,很少有研究在南亚人群中评估类似的结果。
摘要目的:本研究旨在调查Wellthy CARE数字疗法在印度裔南亚人口中改善血糖控制的实际效果。
方法:我们分析了102名来自印度的T2D患者的未识别数据,这些患者参加了一个使用Wellthy CARE移动应用程序提供的16周结构化自我管理项目。患者在应用程序中记录了他们的饮食、体重、身体活动和血糖,并接受了自我保健行为的课程(健康饮食、积极锻炼、监测、服药依从性、解决问题、健康应对和降低风险);由人工智能聊天机器人提供的反馈;通过语音通话和聊天与认证糖尿病教育工作者定期互动。该计划的主要结果是糖化血红蛋白a的变化1 c(HbA1 c).次要结果包括干预前和干预后空腹血糖(FBG)和餐后血糖(PPBG)水平的差异;16周后BMI和体重的变化;以及项目参与度和HbA变化之间的关系1 c, FBG和PPBG水平。
结果:在16周结束时,HbA的平均变化1 c-0.49% (n=102;95% CI−0.73 ~ 0.25;P<措施)。63.7%(65/102)患者HbA改善1 c水平,平均变化为−1.16% (n=65;95% CI−1.40 ~−0.92;P<措施)。干预前和干预后平均FBG水平为145 mg/dL (n=51;95% CI 135-155)和134 mg/dL (n=51;95% ci 122-146;PPPBG水平为188 mg/dL (n=51;95% CI 172-203)和166 mg/dL (n=51;95% ci 153-180;P分别= 03)。BMI和体重的平均变化为-0.47 kg/m2(n = 59;95% CI−0.22至−0.71;P<.001)和-1.32 kg (n=59;95% CI−0.63 ~−2.01;P分别<措施)。HbA呈逐步下降趋势1 c, FBG和PPBG水平随着项目参与的增加而增加。项目参与程度最高的患者有明显更高的HbA减少1 c(−0.84% vs - 0.06%;P=.02),空腹血糖(- 21.4 mg/dL vs - 0.18 mg/dL;P=.02)和PPBG水平(−22.03 mg/dL vs 2.35 mg/dL;P=.002)。
结论:对T2D患者使用Wellthy CARE数字治疗显示HbA水平显著降低1 c、FBG和PPBG。较高的参与水平表明血糖控制得到改善,这表明Wellthy CARE平台在更好地管理疾病方面具有潜力。
doi: 10.2196/17908
关键字
简介
背景
南亚人约占全球人口的四分之一,被诊断为2型糖尿病(T2D)的风险高得不成比例。2019年,全球糖尿病患者人数估计为4.63亿人,预计到2030年将达到5.78亿人,而东南亚的糖尿病患者人数2019年为8800万,预计到2030年将达到1.15亿人[
].这一惊人的增长归因于亚裔印度人的表型和与城市化和久坐生活相关的生活方式的改变[ ].许多研究报告了南亚国家T2D患者的血糖控制不良。[ - ].在印度,T2D的管理受到该病高负担和早发性的限制[ ].亚洲糖尿病表型在化学和生化特征方面显示出显著差异,如更显著的β细胞功能障碍,更高的腹部脂肪,以及比高加索人群更容易发生心血管并发症[ ].糖尿病被认为是导致过早心脏病发作和死亡的主要原因之一,与一般人群相比,南亚患者的糖尿病发病率高出50%,大约早5至10年。此外,与高加索人群相比,只有四分之一的南亚患者实现了关键的临床目标[ ].生活方式管理是糖尿病护理的一个基本方面,包括糖尿病自我管理教育和支持、医学营养治疗、体育活动、戒烟咨询和心理社会护理。行为和生活方式干预已被认为是改善这些患者预后的不可分割的方面。综合自我管理方案要求患者坚持定期的自我血糖监测、健康饮食、锻炼,并定期去看医生和专家[
].自我监测饮食中的热量和脂肪摄入量以及身体活动也是重要的策略[ ].尽管有强有力的证据表明,糖尿病的生活方式干预可减少心血管疾病的风险因素[
],由于缺乏知识、意识和教育,南亚人在糖尿病管理方面的自我保健行为仍然很差[ , ].此外,患者完全依赖医生作为信息和疾病知识的来源,而医生无法提供这些信息和疾病知识,因为医生往往缺乏必要的时间来有效地让患者在会诊期间和之间进行自我管理行为[ ].血糖控制不良可导致糖尿病相关并发症的早期发生和严重程度加重,从而导致发病率升高、生活质量下降和生产力丧失,从而增加经济负担[ ].对糖尿病教育项目在改善亚裔印度人血糖控制方面的有效性进行了研究,根据地区和干预措施的不同,报告了不同的结果[
, ].对结果差异的一种可能解释是这些项目的文化适宜性。南亚印度人是一个多元化的文化,有许多语言和方言,种姓和宗族,以及烹饪方式;因此,有必要了解误解、文化和价值观对这一人群疾病管理的影响,特别是因为实施文化适宜的项目会导致血红蛋白a的更大程度降低1 c(HbA1 c)水平[ ].传统上,糖尿病教育和支持与医院或诊所为基础的实践相关联。然而,现代护理实践旨在通过使用数字干预来满足这些需求,这些干预结合了监测、持续强化行为矫正和使用技术的个性化治疗[ , , ].移动电话技术在中低收入国家的广泛采用凸显了数字疗法在解决和克服传统医生固有的实际障碍以及基于门诊(如面对面)的干预和教育方面的潜力[
].技术增强的干预措施具有成本效益,可使遥远地区的T2D成年人实时获得人口管理和专门护理[ - ].然而,人们对数字疗法在南亚人群中的影响知之甚少。因此,有必要为这一人群使用适合文化的数字治疗干预措施[ ].目标
基于新兴证据的作用,我们假设一种具有人工智能(AI)驱动的决策支持系统的数字疗法可以增强南亚T2D患者的多种行为模式(自我监测饮食、运动、体重和血糖)。这项研究的目的是评估Wellthy CARE数字治疗平台在血糖控制(HbA1 c和血糖水平)以及其他健康结果(体重)。
方法
研究设计与参与者
我们在Wellthy CARE移动应用程序上对102例T2D患者的未识别数据进行了分析。分析包括干预前和干预后HbA的评估1 c在自我报告诊断为T2D的成年人样本中测量了空腹血糖(FBG)、餐后血糖(PPBG)、BMI、体重和项目参与情况。
参与者是通过两个渠道招募的:(1)初级保健诊所和糖尿病中心网络,通过治疗医生的推荐;(2)社交媒体活动,为基于智能手机的糖尿病管理计划寻找参与者。患者可以通过以下方式表达参与计划的兴趣:(1)拨打计划招募手册上提供的电话号码,或(2)填写与社交媒体活动相关的预注册表格,自愿提供他们的手机号码。表示有兴趣参与该项目的患者会接到项目工作人员的筛选电话,解释该项目。那些确认愿意参与的人接受了筛选面试(基于纳入和排除标准),以评估他们的资格。既往存在的T2D状态基于自我报告诊断和干预前HbA的组合1 c6.5%或以上的水平。用户信息被记录在一个基于网络的表格上,基于这个表格,参与者得到了关于他们是否有资格参加的最终决定。
符合条件的患者被邀请使用通过短信或短信发送给他们的唯一链接从谷歌Play Store下载移动应用程序。在移动应用程序上,参与者被指示用他们的电话号码和一次性密码建立他们唯一的账户。该账户建立后,患者被要求提供知情同意,以参与该项目,并将其未识别的数据用于临床研究目的。
入选标准如下:
- 男性或女性成年患者,年龄在18岁或以上,自我报告诊断为T2D (HbA1 c> 6.5%)
- 如果你拥有一部可以上网的安卓(谷歌)智能手机,那么你应该能够自如地阅读手机上的英文内容
- 过去6个月内无重大手术史,未来6个月内无重大手术计划
- 没有任何疾病使他们不能每天步行15分钟至30分钟
入选的排除标准如下:
- 1型糖尿病、妊娠期糖尿病、青少年成熟型糖尿病或其他类型糖尿病的诊断
- 因为慢性肾病正在接受血液透析
- 过去一年内有严重心脏相关疾病史,如心脏病发作或中风
- 怀孕,哺乳期,或计划在未来6个月内怀孕
参与者参加该项目没有报酬,但可以免费参加。在加入该项目之前,每位参与者都获得了使用其身份识别数据进行临床研究的知情同意。参与该计划是自愿的,拒绝同意使用他们的未识别数据进行研究并不影响参与者在该计划中的注册或对他们进行的护理质量。这项工作只涉及对未识别数据的二次分析;因此,没有获得伦理许可。该项目没有使用任何调查产品,所有的身体评估和教育都像常规护理一样使用。治疗方法无改变,按正常临床标准对患者进行护理。
程序
该项目是一项为期16周的结构化生活方式指导,通过Wellthy CARE数字治疗提供,包括针对Android智能手机的Wellthy CARE移动应用程序,健康教练可以可视化患者数据并与他们交流的门户网站,以及跨平台支持的人工智能决策支持系统(
).Wellthy CARE应用程序包括一个安全的消息中心和个人健康记录文件,其中包含其他与糖尿病相关的信息(例如,实验室值和治疗医生的详细信息),并提供了访问学习库和课程计划的权限,以及查看历史数据的日志。该项目的综合课程计划是基于美国糖尿病教育者协会的AADE7自我护理行为,鼓励患者获得更好的糖尿病自我管理技能。该项目指导参与者遵循7个轨道,包括健康饮食、变得更积极、改善自我监督、提高药物依从性、解决问题、降低风险和健康应对。Wellthy CARE应用程序允许患者在手机上记录糖尿病自我护理数据(血糖、饮食、体育活动和体重)和糖尿病管理信息,如实验室报告。然后病人收到自动反馈实时通过一个谈话由人工智能驱动的聊天机器人提供教育、行为和激励信息,具体到输入的数据以及患者以前的临床、生活方式和行为数据。该项目采用了数字说服模型,重点是提高患者的动机,降低执行特定任务的难度,然后向患者传递适当的触发因素,使其采取行动。这是通过多种形式的与文化相关的简短内容来实现的,如信息课程、视频和提示,以及小测验和故事板,以加强信息和简单的任务,以提示行动。患者可以选择参加挑战,要求他们在特定的时间内多次重复一个动作,以形成技能。该项目采用游戏化的方法来培养技能,并在患者完成课程、任务和挑战时奖励他们虚拟奖杯。Wellthy CARE应用程序上的安全消息系统可以让患者在方便的时候直接与他们的个人健康教练沟通。
健康教练虚拟糖尿病教育工作者定期审查患者数据,在每次互动中提供个性化的反馈,并回应患者的询问。所有患者在项目开始时都接受了语音通话。健康教练可以通过安全的信息系统向患者发送电子信息,以补充自动信息。健康教练信息基于纵向数据趋势,每周和每月向患者提供关于他们表现的总结。除通过信息系统交流外,约50%的患者在项目期间与健康教练进行语音通话或接受语音通话。这是对治疗医师建议的现有护理标准的增量和支持性计划。
措施
共有102名参与者在Wellthy CARE平台上完成并记录了16周的数据。参与者在Wellthy CARE移动应用程序中自我报告了他们的年龄、性别、身高和体重。所有患者都接受了Gluco One (Morepen博士)血糖仪和血糖条。HbA1 c由独立的病理实验室在干预完成前后进行检测,并直接报告检测值。
结果
这项研究的主要结果是HbA的变化1 c课程结束时的水平(16周)。次要目标包括报告超过一次血糖读数的参与者干预前和干预后平均FBG和PPBG水平之间的差异;报告超过一次体重日志的参与者的BMI和体重变化;以及项目参与度之间的关联,以与健康教练和人工智能聊天机器人的互动总数来衡量,以及HbA的变化1 c, FBG和PPBG水平。此外,我们评估了HbA改善≥0.4%的患者之间的差异1 c(有反应者)和没有反应者(无反应者)。
统计分析
采用R软件(3.4.3版本;R基金会)。分析结果以确定项目启动者(即完成至少一项技能的人)和项目完成者(即完成至少6周课程或在项目期间继续接受健康指导的人)。亚组间基线特征比较采用卡方检验或Fisher精确分类变量检验和双样本双尾检验t测试连续变量和成对变量的分析t比较连续变量的干预前和干预后值的测试。P值<。05例被认为有统计学意义。
结果
患者基线特征
显示16周计划期间的参与和留存数据。来自印度18个城市的102名患者参与了这项研究并完成了该项目。参与者的基线特征总结在 .在男性和女性参与者之间的基线特征没有统计学上的显著差异。接受个人健康教练辅导的平均时间为106分钟(n=87;95% CI 65-147),而人工智能聊天机器人的时间为88分钟(n=102;95% ci 66-110)。
特性评估 | 整体 | 男性患者 | 女性患者 | P价值 |
性别,n (%) | 102 (100) | 70 (68.6) | 32 (31.4) | - - - - - -一个 |
年龄(年),平均(CI) | 50.8 (49.2 - -52.4) | 51.4 (49.40 - -53.4) | 49.7 (46.8 - -52.5) | 收 |
重量(kg),平均值(CI) | 77.3 (80.5 - -74.0) | 78.4 (82.2 - -74.7) | 74.6 (81.1 - -68.1) | 。31 |
BMI(公斤/米2),平均值(CI) | 28.1 (29.2 - -26.4) | 27.4 (28.7 - -26.1) | 29.7 (31.8 - -27.6) | 07 |
基线血红蛋白A1 c(%),均值(CI) | 8.5 (8.2 - -8.8) | 8.5 (8.8 - -8.2) | 8.6 (9.1 - -8.0) | 点 |
一个统计比较不适用。
HbA卡变化1 c
HbA的平均变化1 c在所有患者中为−0.49% (n=102;95% CI−0.73至−0.25;P<措施;
).63.7%(65/102)患者HbA改善1 c水平的平均变化为−1.16% (95% CI为−1.40至−0.92;P<措施; ).在HbA得到改善的患者中1 c48.0%(49/102)下降0.5%及以上,27.5%(28/102)下降1%及以上;29.4%(30)的患者有随访HbA1 c水平小于或等于7%。在有基线HbA卡的设备中1 c水平≥7.5%,平均变化为−0.57% (n=59;95% CI−0.90至−0.25;P<措施)。程序参与与HbA变化之间的关系1 c在项目进行16周后,对其水平进行评估。HbA呈逐步下降趋势1 c随着计划参与水平的增加(
).在有基线HbA卡的设备中1 c>7.5%,最低比例的移动应用用户减少了HbA1 c水平下降了0.06% (95% CI−0.56至0.43),中间百分位数的项目参与者的HbA降低了1 c降低0.76% (95% CI−1.33至−0.18);然而,那些参与项目人数最多的人明显减少了他们的HbA1 c与最低水平的患者相比,降低了0.84% (95% CI -1.33 ~ -0.35;最低等级与最高等级,P= .02点)。有应答者被分组为HbA改善≥0.4%的患者1 c无反应者和无反应者被归为无反应者。HbA的平均变化1 c应答者(51/ 102,50 %)为−1.34% (95% CI为−1.07% ~−1.60%),无应答者(51/ 102,50 %)为0.43% (95% CI为0.65% ~ 0.21%;P<措施;
).血糖变化
在报告超过一次血糖读数的患者中(51/102),干预前和干预后平均FBG之间存在显著差异(145 mg/dL;95% CI 135-155 vs 134 mg/dL;95% ci 122-146;P=.02)和PPBG (188 mg/dL;95% CI 172-203 vs 166 mg/dL;95% ci 153-180;P=.03) values (
).随着手机应用用户粘性的增加,FBG和PPBG水平逐步下降。最低剂量的app使用者的FBG降低了0.18 mg/dL, PPBG增加了2.35 mg/dL;应用程序使用者的中间百分位数的空腹血糖和PPBG分别降低了7.25 mg/dL和2.84 mg/dL;应用程序使用率最高的人的空腹血糖降低了21.4毫克/分升(P=。(最高vs最低)和PPBG增加22.03 mg/dL (P=。02,最高vs中等;P=。002,最高vs最低;
).有应答者干预前平均PPBG显著降低至172 mg/dL (n=28;95% CI 188-157)高于无应答者干预前平均PPBG 206 mg/dL (n=23,无应答者;95% ci 234-178;P= .03点;
).应答者的PPBG降低了−32 mg/dL (n=21;95% CI−16.4至−47.2),而1.25 mg/dL (n=20;95% CI 23.77至−21.27;P=.03)无应答者( ).BMI和体重的变化
BMI有显著变化(
)及重量( ).平均BMI变化为−0.47 kg/m2(n = 59;95% CI−0.22至−0.71;P<.001),男性和女性的平均BMI降低为−0.38 kg/m2(n = 42;95% CI−0.14 ~−0.62;P=.003)和−0.73 kg/m2(n = 17;95% CI−0.12 ~−1.34;P分别= 03)。平均体重变化为−1.32 kg (n=59;95% CI−0.63 ~−2.01;P<.001),男女平均体重变化为−1.11 kg (n=42;95% CI−0.40 ~−1.83;P=.003)和−2.00 kg (n=17;95% CI−0.38 ~−3.62;P分别= 03)。应答者的体重减少了−2.36 kg (n=27;95% CI−1.32至−3.41),与−0.26 kg相比(n=23;95% CI 0.42至- 0.95;P=.005)。有应答者与无应答者干预前平均体重无显著差异。
讨论
主要研究结果
这项研究评估了Wellthy CARE数字治疗平台在改善血糖控制(降低HbA)方面的有效性1 c在该项目持续16周后,南亚裔T2D患者的水平和血糖水平)和体重减轻。使用数字疗法16周的患者降低了HbA1 cFBG减少11 mg/dL (n=51), PPBG减少21 mg/dL (n=51),体重减少1.32 kg (n=59), BMI减少0.47 kg/m2(n = 59)。参与度最高的患者明显降低了HbA1 cFBG降低21.4 mg/dL, PPBG降低22.03 mg/dL。HbA的减少更多1 c, FBG和PPBG水平随着项目参与的增加而增加。
数字治疗的有效性是通过显著减少HbA1 c的水平。HbA的变化在0.5%到1%之间1 c该水平被认为具有临床意义,可降低共病的风险;甚至美国食品和药物管理局也要求HbA的变化为0.4%1 c药物评估级别[
].英国前瞻性糖尿病研究的结果表明,HbA降低0.9%1 c水平与微血管并发症降低25%、糖尿病相关死亡率降低10%和全因死亡率降低6%相关[ , ].因此,HbA的平均降幅为1.34%1 c对降低并发症和死亡率的风险有显著意义。FBG和PPBG水平是血糖控制的指标,两者都与HbA相关1 c[
].PPBG水平已被证明可以预测心血管风险和全因死亡率,并已被证明与HbA有更强的相关性1 c.应答者的PPBG水平降低了32 mg/dL,这表明这些患者的心血管风险降低了额外的好处。减轻体重是糖尿病治疗的目标之一。体重与心血管疾病风险增加有关[
],体重的减轻与HbA的改善有关1 c水平( ].虽然在项目进行16周后,参与者的体重仅轻微减轻了1.32公斤,但应答者的体重显著减轻(2.36公斤)突出了减轻体重对改善HbA的重要性1 c的水平。我们还观察到,即使在干预前阶段两组BMI之间没有统计学上的显著差异,女性的平均BMI下降幅度也高于男性。这可能有几个原因,包括两组之间新陈代谢或激素平衡的差异[ , ].这种影响的实质原因在本分析中无法分析。据我们所知,这项工作是首次报告实施数字治疗的现实世界有效性的工作之一,该数字治疗是一种结构化、行为和自我管理计划,使用支持移动的应用程序和人工智能决策支持系统为南亚T2D患者进行增强和交付。此外,该研究通过证明HbA的改善,强调了数字疗法在改善糖尿病自我管理方面的作用1 c, FBG, PPBG水平以及BMI和体重的降低。通过观察大多数用户输入他们的HbA卡,证明了现实世界的可行性和可接受性1 c在节目期间阅读。
近年来,已有大量证据表明,数字疗法在有效促进慢性疾病和精神健康问题患者的自我保健和健康行为改变方面的作用[
, ].在印度等国家,缺乏适当的糖尿病自我管理项目,过度依赖医生的疾病知识和支持,对适当的数字干预的需求就更加明显了。此外,据报道,针对南亚患者的糖尿病管理干预措施是不同的,在减少HbA方面取得的成功是可变的和有限的1 c水平( ].地理和文化多样性是采用新疗法和新技术的重大障碍。然而,这里的结果证明了数字治疗的价值,如健康护理在广泛的人群类型中,并表明数字干预提供了一个合理的替代方案,不仅可以填补服务不足国家的一些资源缺口,而且有可能在糖尿病管理方面提供有意义的改进。限制
这项研究的局限性之一是缺乏对照组,因为对真实世界的数据进行了回顾性分析。其他局限性包括用于选择参与者的多种方法(医生推荐和自愿方法)以及依赖自我报告的疾病生物标志物导致的选择偏倚。该项目进行的时间很短,我们没有独立量化其他行为和生活方式措施对血糖结果的影响。这种分析在提供重要见解方面是有益的,特别是在将Wellthy CARE平台的结果与其他数字治疗平台进行比较时。真实世界的数据有助于研究受控条件之外的人群。这增加了研究中的可变性;然而,这类研究已被证明对新技术的评估非常有帮助。注意到男性和女性参与者数量的差异,这是由于社会、经济或其他因素造成的不良偏见。随访期间数据的丢失也限制了研究的范围。但是,对于HbA的报告1 c数值相当高,62%的注册用户在整个项目中记录了他们干预前和干预后的数值。本研究显示HbA有显著改善1 c这表明Wellthy CARE平台在改善T2D患者血糖控制方面的潜力。然而,未来更大样本、更好控制的研究将能够进一步证实该计划的有效性。
的优势
这项工作的优势在于它的设计,它使我们能够紧密地模拟现实世界的实现。干预在记录HbA中有意义的变化方面的有效性1 c水平、移动应用程序参与与血糖控制改善、良好的保留率和成功的数据收集呈正相关关系有助于其强度。另一个优势是,应用程序的实现得到了与开发阶段相同的开发流程和核心支持团队的支持。
结论
这项工作是首次报告数字疗法在现实世界中的有效性的工作之一,该疗法是一种结构化、行为性和自我管理干预,使用支持移动应用程序和人工智能决策支持系统wellthy CARE改善南亚T2D患者的血糖控制。干预措施显示HbA逐渐减少1 c这表明在资源有限的南亚国家使用数字疗法的可行性、可接受性和价值。研究结果可以进一步探讨,以评估主要发现的长期可接受性、成本效益和持久性,以及应用于更大、文化相似人群的可行性。
致谢
作者要感谢所有参与该项目的参与者和印度糖尿病研究学会的支持。
利益冲突
AS是Wellthy Therapeutics公司的首席执行官和股东。MS和AK是Wellthy Therapeutics Pvt Ltd.的前雇员和股东。SK是Wellthy Therapeutics Pvt Ltd.的现任员工。RV是Wellthy Therapeutics Pvt Ltd.的现任顾问。VM和SJ是Wellthy Therapeutics Pvt Ltd的前顾问。
Wellthy CARE数字治疗平台示意图。
PNG文件,4493 KB参考文献
- Saeedi P, Petersohn I, Salpea P, Malanda B, Karuranga S, Unwin N, IDF糖尿病地图集委员会。2019年全球和区域糖尿病患病率估计数以及2030年和2045年的预测:国际糖尿病联合会糖尿病地图集9版的结果。糖尿病临床研究2019年11月;157。[CrossRef] [Medline]
- Unnikrishnan R, Anjana RM, Mohan V.南亚糖尿病:表型不同吗?糖尿病2014 Jan;63(1):53-55 [免费全文] [CrossRef] [Medline]
- Aschner P, Gagliardino JJ, Ilkova H, Lavalle F, Ramachandran A, Mbanya JC,等。发展中国家2型糖尿病患者的血糖控制持续不良:国际糖尿病管理实践研究(IDMPS) 12年的真实世界证据。糖尿病杂志2020 Apr;63(4):711-721 [免费全文] [CrossRef] [Medline]
- Ramachandran A, Jain SM, Mukherjee S, Phatak S, Pitale S, Singh SK,等。印度糖尿病患者的次优血糖控制:来自国际糖尿病管理实践研究(IDMPS)的横断面波7(2016)数据的子集分析。Ther Adv Endocrinol Metab 2020;11 [免费全文] [CrossRef] [Medline]
- Sohal T, Sohal P, king shier KM, Khan NA。南亚2型糖尿病管理的障碍和促进因素:系统综述。PLoS One 2015;10(9) [免费全文] [CrossRef] [Medline]
- Anjana RM, Shanthi Rani CS, Deepa M, Pradeepa R, Sudha VL, Nair DH,等。亚裔印度人中糖尿病和前驱糖尿病的发病率和进展预测因素:金奈城乡流行病学研究()的10年随访。糖尿病护理2015 Aug;38(8):1441-1448。[CrossRef] [Medline]
- Lim LL, Tan ATB, Moses K, Rajadhyaksha V, Chan SP.钠-葡萄糖共转运体-2抑制剂在东亚2型糖尿病患者中的作用:对亚洲表型管理的认识。糖尿病并发症2017年2月31日(2):494-503。[CrossRef] [Medline]
- 美国糖尿病协会。生活方式管理:糖尿病医疗护理标准-2019。糖尿病护理2019 1月17日;42(增刊1):S46-S60。[CrossRef] [Medline]
- 王杰,蔡超,Padhye N, Orlander P, Zare M.使用移动和连接工具对服务不足的2型糖尿病合并超重或肥胖患者进行多行为自我监测的行为生活方式干预:试点比较有效性试验。JMIR Mhealth Uhealth 2018年4月10日;6(4):e92 [免费全文] [CrossRef] [Medline]
- 陈琳,裴俊,匡俊,陈华,陈忠,李忠,等。生活方式干预对2型糖尿病患者的影响:一项荟萃分析代谢2015 Feb;64(2):338-347 [免费全文] [CrossRef] [Medline]
- Mohandas A, Bhasin SK, Upadhyay M, Madhu SV。居住在东德里安置殖民地的20岁及以上成年人的糖尿病自我保健活动。印度公共卫生杂志2018;62(2):104-110 [免费全文] [CrossRef] [Medline]
- Rajasekharan D, Kulkarni V, Unnikrishnan B, Kumar N, Holla R, Thapar R.在印度卡纳塔克邦曼格洛尔三级护理医院参加糖尿病患者的自我护理活动。中国医学科学,2015;30 (1):59-64 [免费全文] [CrossRef] [Medline]
- Burke SD, Sherr D, Lipman RD.与糖尿病教育工作者合作,改善患者预后。糖尿病代谢综合征2014;7:45-53 [免费全文] [CrossRef] [Medline]
- 印度的糖尿病护理。中国医学杂志,2015;30 (6):339 - 344 [免费全文] [CrossRef] [Medline]
- Bellary S, O'Hare JP, Raymond NT, Gumber A, Mughal S, Szczepura A, UKADS研究小组。加强对南亚裔糖尿病患者的糖尿病护理(英国亚洲糖尿病研究):一项集群随机对照试验。柳叶刀2008年5月24日;371(9626):1769-1776。[CrossRef] [Medline]
- Doupis J, Festas G, Tsilivigos C, Efthymiou V, Kokkinos A.基于智能手机的糖尿病管理技术。糖尿病研究2020 Mar;11(3):607-619 [免费全文] [CrossRef] [Medline]
- 布尔吉N,贾维尔J,加塞维奇D,汗NA。改善南亚2型糖尿病患者的管理:干预研究的系统回顾。英国医学公开赛2016年4月20日;6(4)[免费全文] [CrossRef] [Medline]
- Kvedar JC, Fogel AL, Elenko E, Zohar D.数字医学进军慢性疾病。中国生物科技,2016年3月;34(3):239-246。[CrossRef] [Medline]
- Sepah SC, Jiang L, Peters AL.基于网络的糖尿病预防计划的长期结果:一项为期2年的单臂纵向研究结果。J medical Internet Res 2015 Apr 10;17(4):e92 [免费全文] [CrossRef] [Medline]
- 莫汉V, Deepa R, Deepa M, Somannavar S, Datta M.用于筛查未确诊糖尿病患者的简化印度糖尿病风险评分。印度内科学会2005年9月53:759-763。[Medline]
- 张玲,何霞,沈勇,于慧,潘杰,朱伟,等。基于智能手机应用程序的互动管理对中国糖尿病患者血糖控制的有效性:随机对照试验J Med Internet Res 2019年12月09日;21(12)[免费全文] [CrossRef] [Medline]
- Idris I, Hampton J, Moncrieff F, Whitman M.数字生活方式改变项目在肥胖和2型糖尿病人群中的有效性:真实世界数据的服务评估。JMIR糖尿病2020年1月20日;5(1)[免费全文] [CrossRef] [Medline]
- Joseph LM, Berry D, Jessup a .亚洲印度人2型糖尿病的管理:文献综述。临床护理杂志2015 april;24(2):188-210。[CrossRef] [Medline]
- 美国糖尿病协会。血糖指标:糖尿病医疗护理标准- 2019。Dia Care 2018 12月17日;42(补充1):S61-S70。[CrossRef]
- Chrvala CA, Sherr D, Lipman RD.成人2型糖尿病自我管理教育:对血糖控制效果的系统综述。患者教育计数2016年6月;99(6):926-943 [免费全文] [CrossRef] [Medline]
- Katulanda P, Jayawardena R, Jayawardana R, Ranasinghe P, Rezvi Sheriff MH, Matthews DR.发展中国家成年人的身体活动模式和相关性:斯里兰卡糖尿病和心血管研究公共卫生营养学2013年9月16日(9):1684-1692。[CrossRef] [Medline]
- Ketema EB, Kibret KT。空腹及餐后血糖与糖化血红蛋白在血糖控制评估中的相关性系统回顾和元分析。Arch Public Health 2015;73:43 [免费全文] [CrossRef] [Medline]
- 张晓东,张晓东,张晓明,等。2型糖尿病高血糖的管理,2018。美国糖尿病协会(ADA)和欧洲糖尿病研究协会(EASD)的共识报告。糖尿病护理2018年12月;41(12):2669-2701 [免费全文] [CrossRef] [Medline]
- Gummesson A, Nyman E, Knutsson M, Karpefors M.体重减轻对2型糖尿病患者体重减轻试验中糖化血红蛋白的影响。糖尿病杂志2017年9月19日(9):1295-1305。[CrossRef] [Medline]
- 陈忠,崔玉春,丁超,周杰,萨达南森,王永杰,等。亚洲非肥胖人群葡萄糖和脂肪酸代谢的性别差异。中国临床内分泌杂志2019年1月1日;[CrossRef] [Medline]
- Tramunt B, Smati S, Grandgeorge N, Lenfant F, Arnal J, Montagner A,等。代谢调节与糖尿病易感性的性别差异。糖尿病杂志2020 Mar;63(3):453-461 [免费全文] [CrossRef] [Medline]
- Alkhaldi G, Modrow K, Hamilton F, Pal K, Ross J, Murray E.使用电子邮件和短信提示促进参与数字健康干预(HeLP-Diabetes):混合方法研究。Interact J Med Res 2017 Aug 22;6(2):e14 [免费全文] [CrossRef] [Medline]
- 李佳,崔敏,李莎,姜宁。使用移动健康应用程序进行慢性疾病管理的有效行为干预策略:系统综述。BMC Med Inform Decis Mak 2018年2月20日;18(1):12 [免费全文] [CrossRef] [Medline]
- Ballotari P, Ferrari F, Ballini L, Chiarenza A, Manicardi V, Giorgi Rossi P.生活在高收入国家的南亚2型糖尿病患者的生活方式定制干预:一项系统综述中国糖尿病杂志2017 Aug;54(8):785-794。[CrossRef] [Medline]
缩写
人工智能:人工智能 |
光纤光栅:空腹血糖 |
HbA1 c:血红蛋白的1 c |
PPBG:餐后血糖 |
T2D:2型糖尿病 |
编辑:G·艾森巴赫,R·库卡夫卡;提交21.01.20;同行评议:J Santos, M Peeples, K Fitzner, J Kvedar;对作者10.08.20的评论;修订版本收到日期为25.09.20;接受22.01.21;发表25.03.21
版权©Arjun Krishnakumar, Ritika Verma, Rajeev Chawla, Aravind Sosale, Banshi Saboo, Shilpa Joshi, Maaz Shaikh, Abhishek Shah, Siddhesh Kolwankar, Vinod Mattoo。最初发表于《医疗互联网研究杂志》(//www.mybigtv.com), 2021年3月25日。
这是一篇开放获取的文章,根据创作共用署名许可(https://creativecommons.org/licenses/by/4.0/)的条款发布,允许在任何媒介上无限制地使用、分发和复制,前提是正确引用最初发表在《医学互联网研究杂志》上的原创作品。必须包括完整的书目信息,//www.mybigtv.com/上的原始出版物的链接,以及此版权和许可信息。