Innovative Ansätze in der Diabetesversorgung

Objektiv:

Diese Studie zielt darauf ab, die Wirksamkeit von eHealth -Interventionen bei der Versorgung von Patienten mit Diabetes zu bewerten.

Studiendesign:

Erwachsene Teilnehmer mit Diabetes werden für eine 12-monatige Interventionsstudie aus dem Diabetes Shared Care Network und Community Centers rekrutiert.

Zulassungskriterien:

Die Teilnehmer müssen 20 Jahre oder älter sein, mit Prädiabetes oder Diabetes diagnostiziert werden, von taiwanesischer Staatsangehörigkeit oder fließend Mandarin oder Taiwanesisch, nicht schwanger oder stillen und fähig (oder unterstützt von einer Pflege), um ein Smartphone zum Fotografieren und Aufzeichnungen zu verwenden. Personen mit diagnostizierten Essstörungen werden ausgeschlossen.

Interventionsarme

• EHealth Group: Die Teilnehmer erhalten 10 Minuten Portionsgröße und Ernährungserziehung mit der Labor entwickelten "Metafood: 3D/AR Digital Food Education Platform" (https://sketchfab.com/susanlab108/Collections). Sie müssen einmal pro Woche eine diätetische diätetische Aufzeichnung von Lebensmitteln unter Verwendung des Labor entwickelten "Formosa FoodApp" (1) einreichen. Ausgebildete Ernährungswissenschaftler bewerten die Ernährungsbilder mit einem Labor entwickelten "Digital Photographic Food Atlas" und geben über eine soziale Gruppe in Echtzeit ein Ernährungs-Feedback.

Darüber hinaus erhält die EHealth -Gruppe Bildungsmaterialien, einschließlich Videos und digitale Broschüren auf:

1. So verwenden Sie die Formosa FoodApp
2. Einführung in Myplate: Lebensmittelklassifizierung und Portionsgrößen
3. Der Einfluss von Nahrungsmitteln auf den Blutzucker: Verständnis des Glykämischensindex (GI) und der glykämischen Belastung (GL)
4. GI/GL -Werte häufig konsumierter taiwanesischer Lebensmittel
5. Interpretation von Blutuntersuchungsberichten
6. Essensauswahl beim Essen treffen
7. Grundlagen der Bewegung
8. Essen bei Festivals

Ab dem 5. Monat werden personalisierte diätetische Feedback zu den GI/GL-Werten der konsumierten Mahlzeiten von Labor entwickelten KI-Systemen bereitgestellt, die bis zum Ende der Studie fortgesetzt werden. KI -Systeme für die Erkennung von Lebensmitteln und die Liniengruppe werden vom Labormitarbeiter verwaltet.

Biologische Maßnahmen:

Bei Klinikbesuchen werden alle drei Monate Fastenblutglukose- und Lipidprofile gesammelt.

Rechtfertigung der Stichprobengröße:

Unter Verwendung von G*Power 3.1.9.7 ist der primäre Endpunkt die Auswirkung von AI-unterstützten Ernährungsrückkopplungen auf die glykämische Kontrolle bei Erwachsenen mittleren Alters und älteren Erwachsenen mit Typ-2-Diabetes. Basierend auf der Studie von Lee et al. Über die Kombination der menschlichen und von AI unterstützten Ernährungs-App beträgt die geschätzte mittlere Hba1c-Differenz 0,52% (7,52 ± 0,81 gegenüber 7,00 ± 0,66). nach 12 Monaten. Unter der Annahme einer Effektgröße von 0,70, 80% und 5% Signifikanz werden 33 Teilnehmer pro Gruppe benötigt. Bei einer Abnutzungsrate von 10 bis 20% wird eine Gesamtstichprobe von 36 bis 40 Teilnehmern rekrutiert.

Datenerfassung:

Soziodemografische und anthropometrische Basisdaten werden von staatlich registrierten Ernährungsbereichen gesammelt. Standard -biochemische Testergebnisse, die bei der nationalen Krankenversicherung in Taiwan erhältlich sind, werden alle drei Monate abgeholt. Ernährungskenntnisse sowie Wahrnehmungen und Verwendung digitaler Lebensmitteltechnologien werden über einen Online -Fragebogen bewertet, der aus dem theoretischen Rahmen, der Literaturübersicht entwickelt und von Experten validiert wurde. Wöchentliche Ernährungsunterlagen werden über die Formosa FoodApp (1) protokolliert.

Die Daten umfassen:

• Demografie: Alter, Geschlecht, Bildungsniveau, Krankheitsgeschichte
• Wöchentliche Ernährungsunterlagen
• Anthropometrie: Größe, Gewicht, BMI, Taillenumfang, Grifffestigkeit, Muskelfestigkeit
• Biochemische Daten: Fasten Glukose, Lipidprofile, Nierenfunktionsindikatoren (klinischbasierte, versicherungsbedeckte Tests)

Statistische Analyse:

Die Daten werden mit GraphPad Prism 5 (La Jolla, CA, USA) analysiert.

• Normalität: Kolmogorov-Smirnov-Test
• Kontinuierliche Variablen: Mittelwert ± 95% CI; Analysiert über T-Tests oder ANOVA
• Kategoriale Variablen: Frequenzen/Prozentsätze; Analysiert über Chi-Quadrat- oder Fisher's Exakte Test
• Korrelationen: Spearmans Koeffizient; Logistische lineare Regression
• Nichtparametrische Vergleiche: Kruskal-Wallis-Test
• Längsschnittanalyse: Generalisiertes lineares gemischtes Modell (GLMM) für glykämische Veränderungen und Komorbiditätsrisiken
• Signifikanzschwelle: p <0,05