Innowacyjne podejścia w opiece nad cukrzycą

Cel:

Niniejsze badanie ma na celu ocenę skuteczności interwencji e -Zdrowia w opiece nad pacjentami z cukrzycą.

Projekt badania:

Dorośli uczestnicy z cukrzycą zostaną rekrutowani z sieci opieki nad cukrzycą i centrów kultury do 12-miesięcznego badania interwencyjnego.

Kryteria kwalifikowalności:

Uczestnicy muszą być w wieku 20 lat lub starsi, zdiagnozowano przedcukrzycę lub cukrzycę, tajwańską obywatelstwo lub płynnie w mandaryńskim lub tajwańskim, nie w ciąży ani karmieniu piersią oraz zdolnych (lub wspomaganych przez opiekuna) używania smartfona do fotografowania i nagrywania posiłków. Osoby z zdiagnozowanymi zaburzeniami odżywiania zostaną wykluczone.

Ramiona interwencyjne

• Grupa EHealth: Uczestnicy otrzymają 10 minut wielkości porcji i edukacji żywieniowej przy użyciu opracowanej przez laboratorium „Metafood: 3D/AR Digital Food Education Platform” (https://sketchfab.com/susanlab108/collections). Są one zobowiązane do przesyłania rejestru dietetycznego opartego na żywności raz w tygodniu przy użyciu opracowanego przez laboratorium „Formosa FoodApp” (1). Wyszkoleni dietetykowie ocenią obrazy dietetyczne za pomocą opracowanego przez laboratorium „cyfrowego atlasu żywności fotograficznego” i zapewnią dietetyczne informacje zwrotne w czasie rzeczywistym za pośrednictwem grupy społecznej.

Ponadto grupa EHealth otrzyma materiały edukacyjne, w tym filmy i ulotki cyfrowe:

1. Jak korzystać z Formosa FoodApp
2. Wprowadzenie do Myplate: Klasyfikacja żywności i rozmiary porcji
3. Wpływ żywności na glukozę we krwi: zrozumienie wskaźnika glikemicznego (GI) i obciążenia glikemicznego (GL)
4. Wartości GI/GL powszechnie spożywanej tajwańskiej żywności
5. Interpretacja raportów z badań krwi
6. Dokonywanie wyborów jedzenia podczas jadania
7. Podstawy ćwiczeń
8. Jedzenie podczas festiwali

Od piątego miesiąca spersonalizowane informacje zwrotne dietetyczne na temat wartości GI/GL spożywanych posiłków będą dostarczane przez systemy AI opracowane przez laboratorium, trwając do końca badania. Systemy AI do rozpoznawania żywności i grupy linii są zarządzane przez pracowników laboratorium.

Miary biologiczne:

Profile glukozy i lipidów na czczo będą gromadzone co trzy miesiące podczas wizyt w klinice.

Uzasadnienie wielkości próbki:

Stosując moc G*3.1.9.7, głównym punktem końcowym jest wpływ dietetycznego sprzężenia zwrotnego na temat kontroli glikemicznej u dorosłych w średnim wieku i starszych z cukrzycą typu 2. Na podstawie badania Lee i in. Na temat kombinacji aplikacji żywieniowej obsługiwanej przez człowieka i AI, szacowana średnią różnicę HBA1C wynosi 0,52% (7,52 ± 0,81 vs. 7,00 ± 0,66) po 12 miesiącach. Zakładając wielkość efektu 0,70, 80% mocy i 5% istotności, potrzebnych jest 33 uczestników na grupę. Uwzględniając 10-20% wskaźnik ścierania, rekrutowana zostanie całkowita próbka 36-40 uczestników.

Zbieranie danych:

Podstawowe dane socjodemograficzne i antropometryczne zostaną zebrane przez dietetyków zarejestrowanych przez państwo. Standardowe wyniki testu biochemicznego, dostępne w National Health Insurance w Tajwanie, będą gromadzone co trzy miesiące. Wiedza o żywieniu oraz postrzeganie i wykorzystanie cyfrowych technologii żywności zostaną ocenione za pomocą kwestionariusza internetowego opracowanego na podstawie ram teoretycznych, przeglądu literatury i zatwierdzonych przez ekspertów. Cotygodniowe zapisy dietetyczne będą rejestrowane za pośrednictwem Formosa FoodApp (1).

Dane będą obejmować:

• Dane demograficzne: wiek, płeć, poziom wykształcenia, historia choroby
• Cotygodniowe zapisy dietetyczne
• Antropometria: Wysokość, waga, BMI, obwód talii, siła chwytu, siła mięśni
• Dane biochemiczne: glukoza na czczo, profile lipidowe, wskaźniki funkcji nerek (testy oparte na klinice, testy ubezpieczeniowe)

Analiza statystyczna:

Dane zostaną przeanalizowane przy użyciu GraphPad Prism 5 (La Jolla, Kalifornia, USA).

• Normalność: test Kolmogorowa-Smirnova
• Zmienne ciągłe: średnia ± 95% CI; analizowane za pomocą testów t lub ANOVA
• Zmienne kategoryczne: częstotliwości/wartości procentowe; Przeanalizowane za pomocą testu chi-kwadrat lub dokładnego testu Fishera
• Korelacje: współczynnik Spearmana; logistyczna regresja liniowa
• Porównania nieparametryczne: test Kruskal-Wallis
• Analiza podłużna: uogólniony liniowy model mieszany (GLMM) dla zmian glikemicznych i ryzyka współistniejącego
• Próg istotności: p <0,05