당뇨병 관리의 혁신적인 접근 방식

목적:

이 연구는 당뇨병 환자의 치료에서 eHealth 개입의 효과를 평가하는 것을 목표로합니다.

학습 설계 :

당뇨병이있는 성인 참가자는 12 개월의 중재 연구를 위해 당뇨병 공유 간호 네트워크 및 커뮤니티 센터에서 모집됩니다.

자격 기준 :

참가자는 20 세 이상, 전 당뇨병 또는 당뇨병으로 진단되거나 대만 국적 또는 만다린 또는 대만에 유창하고 임신이나 모유 수유가 아니며 스마트 폰을 사용하여 식사를 할 수있는 유능한 (또는 간병인의 도움)이어야합니다. 섭식 장애 진단이있는 개인은 제외됩니다.

중재 무기

• eHealth Group : 참가자는 실험실 개발 "Metafood : 3D/AR Digital Food Education Platform"(https://sketchfab.com/susanlab108/collections)을 사용하여 10 분의 부분 규모 및 영양 교육을 받게됩니다. 그들은 실험실이 개발 된 "Formosa FoodApp"(1)을 사용하여 일주일에 한 번 식품 이미지 기반식이 기록을 제출해야합니다. 훈련 된 영양사는 실험실이 개발 된 "디지털 사진 식품 아틀라스"를 사용하여식이 이미지를 평가하고 라인 사회 그룹을 통해 실시간식이 피드백을 제공합니다.

또한 EHEALTH GROUP은 비디오 및 디지털 전단지를 포함한 교육 자료를 다음과 같습니다.

1. 포모사 FoodApp 사용 방법
2. MyPlate 소개 : 음식 분류 및 부분 크기
3. 혈당에 대한 음식의 영향 : 혈당 지수 이해 (GI) 및 혈당 부하 (GL)
4. 일반적으로 소비되는 대만 식품의 GI/GL 값
5. 혈액 검사 보고서의 해석
6. 외식 할 때 음식 선택
7. 운동의 기초
8. 축제 중에 식사

5 개월 후부터 소비 된 식사의 GI/GL 값에 대한 개인화 된식이 피드백은 실험실 개발 AI 시스템에 의해 제공되며 연구가 끝날 때까지 계속됩니다. 식품 인식 및 라인 그룹을위한 AI 시스템은 실험실 직원이 관리합니다.

생물학적 조치 :

공복 혈당 및 지질 프로파일은 클리닉 방문 중에 3 개월마다 수집됩니다.

샘플 크기 정당화 :

G*Power 3.1.9.7을 사용하여, 1 차 종점은 제 2 형 당뇨병을 가진 중년 및 노인의 혈당 조절에 대한 AI 지원식이 피드백의 효과입니다. 인간과 AI 지원 영양 앱의 조합에 대한 Lee et al.의 연구에 따르면, 추정 평균 HBA1C 차이는 0.52% (7.52 ± 0.81 vs. 7.00 ± 0.66)입니다. 12 개월에. 0.70, 80% 전력 및 5% 유의성의 효과 크기를 가정하면 그룹당 33 명의 참가자가 필요합니다. 10-20%의 감소율을 설명하면 총 36-40 명의 참가자가 모집됩니다.

데이터 수집 :

기준 사회 인구 통계 학적 및 인체 측정 데이터는 국가 등록 영양사에 의해 수집됩니다. 대만의 국민 건강 보험에서 구할 수있는 표준 생화학 시험 결과는 3 개월마다 수집됩니다. 영양 지식, 디지털 식품 기술의 인식 및 사용은 이론적 프레임 워크, 문헌 검토에서 개발 된 온라인 설문지를 통해 평가 될 것이며 전문가가 검증 할 것입니다. 주간식이 기록은 Formosa FoodApp (1)을 통해 기록됩니다.

데이터는 다음과 같습니다.

• 인구 통계 : 연령, 성별, 교육 수준, 질병 역사
• 주간식이 기록
• 인체 측정 : 높이, 체중, BMI, 허리 둘레, 그립 강도, 근육 강도
• 생화학 적 데이터 : 금식 포도당, 지질 프로파일, 신장 기능 지표 (클리닉 기반, 보험 커버 테스트)

통계 분석 :

데이터는 GraphPad Prism 5 (La Jolla, CA, USA)를 사용하여 분석됩니다.

• 정규성 : Kolmogorov-Smirnov 테스트
• 연속 변수 : 평균 ± 95% CI; t- 검정 또는 ANOVA를 통해 분석
• 범주 형 변수 : 주파수/백분율; 카이-제곱 또는 피셔의 정확한 테스트를 통해 분석
• 상관 관계 : Spearman의 계수; 로지스틱 선형 회귀
• 비모수 비교 : Kruskal-Wallis 테스트
• 종단 분석 : 혈당 변화 및 동반 질환에 대한 일반화 된 선형 혼합 모델 (GLMM)
• 유의 임계 값 : p <0.05