糖尿病护理的创新方法

客观的：

这项研究旨在评估eHealth干预措施在糖尿病患者护理中的有效性。

研究设计：

患有糖尿病的成年参与者将从糖尿病共享护理网络和社区中心招募，以进行12个月的干预研究。

资格标准：

参与者必须年龄在20岁或以上，被诊断出患有糖尿病前期或糖尿病，台湾国籍或流利的普通话或台湾人，不怀孕或母乳喂养，并且能够使用智能手机拍摄和记录餐点（由照料者提供）。 患有诊断饮食失调的人将被排除在外。

干预臂

•EHealth小组：参与者将使用实验室开发的“ Metafood：3D/AR数字食品教育平台”（https：//sketchfab.com/susanlab108/collections）获得10分钟的份量和营养教育。 他们必须使用实验室开发的“ Formosa FoodApp”（1）每周提交一次基于食物图像的饮食记录。 受过训练的营养师将使用实验室开发的“数字摄影食品地图集”评估饮食图像，并通过线路社交群体提供实时饮食反馈。

此外，EHealth Group将获得教育材料，包括视频和数字传单：

1. 如何使用Formosa FoodApp
2. Myplate简介：食品分类和份量
3. 食物对血糖的影响：了解血糖指数（GI）和血糖负荷（GL）
4. 常见食用台湾食品的GI/GL值
5. 血液测试报告的解释
6. 外出就餐时做出食物的选择
7. 运动的基础
8. 在节日期间吃饭

从第5个月开始，实验室开发的AI系统将提供有关食用餐食的GI/GL值的个性化饮食反馈，一直持续到研究结束。 食品识别系统和线路组由实验室工作人员管理。

生物学措施：

在诊所就诊期间，将每三个月收集一次禁食的血糖和脂质谱。

样本量理由：

使用G*功率3.1.9.7，主要终点是AI支持的饮食反馈对2型糖尿病的中年和老年人血糖控制的影响。 基于Lee等人关于人类和AI支持的营养应用程序组合的研究，估计的平均HBA1C差异为0.52％（7.52±0.81 vs. 7.00±0.66） 12个月。 假设效应大小为0.70、80％的功率和5％的显着性，则每组需要33个参与者。 考虑到10-20％的流失率，将招募总样本为36-40名。

数据收集：

基线社会人口统计学和人体测量数据将由国家注册的营养师收集。 台湾国家健康保险的标准生化测试结果将每三个月收集一次。 营养知识以及对数字食品技术的看法和使用，将通过从理论框架，文献综述并由专家验证的在线问卷进行评估。 每周的饮食记录将通过Formosa FoodApp记录（1）。

数据将包括：

• 人口统计学：年龄，性别，教育水平，疾病史
• 每周饮食记录
• 人体测量学：身高，体重，BMI，腰围，握力，肌肉力量
• 生化数据：禁食葡萄糖，脂质剖面，肾功能指标（基于诊所的，保险覆盖的测试）

统计分析：

数据将使用GraphPad Prism 5（美国加利福尼亚州La Jolla）进行分析。

• 正态性：Kolmogorov-Smirnov测试
• 连续变量：平均值±95％CI；通过t检验或方差分析分析
• 分类变量：频率/百分比；通过卡方或费舍尔的精确测试分析
• 相关性：Spearman的系数；逻辑线性回归
• 非参数比较：Kruskal-Wallis测试
• 纵向分析：广义线性混合模型（GLMM），用于血糖变化和合并症风险
• 显着性阈值：P <0.05