Dynamisch op maat gemaakte gedragsinterventies bij diabetes

Een van de grootste problemen bij het beheersen van diabetes is dat elk getroffen individu een op maat gemaakte combinatie van dieet, lichaamsbeweging en medicatie nodig heeft om de bloedsuikerspiegel effectief onder controle te houden. In plaats van het recept van een arts strikt op te volgen, moeten individuen hun levensstijlkeuzes en hun impact op hun gezondheid zorgvuldig onderzoeken. Zelfstandig leren, experimenteren en problemen oplossen worden van groot belang. Ze kunnen echter een uitdaging zijn voor mensen met diabetes. In dit project zullen de onderzoekers een nieuwe interventie voor zelfmanagement bij diabetes verfijnen en evalueren, waarbij gebruik wordt gemaakt van computationele analyse van zelfmonitoringsgegevens om mensen met diabetes type 2 te helpen identificeren welke dagelijkse activiteiten, waaronder de consumptie van maaltijden, fysieke activiteit en slaap, hebben invloed op de bloedglucosewaarden en suggereren aanpassingen aan deze dagelijkse activiteiten om de bloedsuikerspiegel te verbeteren.

Steeds meer bewijsmateriaal wijst op significante verschillen in de glykemische functie en culturele, sociale en economische omstandigheden van individuen met diabetes type 2 (T2DM) die van invloed zijn op hun zelfmanagement. Precisiegeneeskunde streeft ernaar de medische behandeling te personaliseren op basis van de genetische samenstelling van een individu, de door computers ontdekte klinische fenotypes en de levensstijl. Studies hebben de voordelen aangetoond van het afstemmen van niet alleen medische behandelingen, maar ook gedragsinterventies. Toch vereist de personalisatie van zelfmanagement in T2DM momenteel dat elk individu zich bezighoudt met ontdekkings-, reflectie- en probleemoplossende activiteiten – kritische maar cognitief veeleisende activiteiten – of dat hij moet vertrouwen op zijn zorgverleners. Beide kunnen aanzienlijke barrières opleveren voor mensen uit gemeenschappen met lage inkomens die medisch onderbemand zijn. Mobiele gezondheidszorgoplossingen (mHealth) in T2DM beloven een bredere bevolking te bereiken die behoefte heeft aan zelfmanagement; Er zijn echter maar weinig van dergelijke oplossingen die hulp bieden bij het personaliseren van zelfmanagementgedrag. Lopende inspanningen om gedragsinterventies buiten T2DM te personaliseren, richten zich op het afstemmen van technieken voor gedragsverandering op de psychosociale kenmerken van individuen, zoals zelfeffectiviteit), en het afstemmen van de interventie op de context van individuen in plaats van op het personaliseren van zelfmanagementstrategieën.

De voortdurende focus van dit onderzoek ligt op het ontwikkelen van informatica-interventies voor zelfmanagement van diabetes, met een specifieke focus op ontdekking met zelfmonitoringgegevens en op het oplossen van problemen voor het verbeteren van de glykemische controle. In het voorgestelde onderzoek introduceren de onderzoekers T2.coach, een mHealth-interventie die computationele analyse van zelfcontrolegegevens gebruikt om gedragspatronen te identificeren die verband houden met slechte glykemische controle en om gepersonaliseerde gedragsdoelen te formuleren voor het veranderen van problematisch gedrag. Deze studie zal de werkzaamheid van T2.coach evalueren in een twee-armige RCT met gestratificeerde randomisatie, uitgevoerd met Clinical Directors Network (CDN), een erkend praktijkgericht onderzoeksnetwerk (PBRN) van Federaal Gekwalificeerde Gezondheidscentra (FQHCs), en Agency for Healthcare Research and Quality (AHRQ) aangewezen Centre of Excellence (P30) voor praktijkgericht onderzoek en leren.