本文内容如下e-collection /主题问题:

糖尿病技术与创新综述(17) 移动保健(1742年) 糖尿病自我管理(342) 糖尿病的应用程序，移动设备，可穿戴设备(220) 移动健康治疗依从性(308) 移动健康用于症状和疾病监测，慢性疾病管理(956)

发表在在第7卷第2期(2022):4月- 6月

本文的预印本(早期版本)可在以下网站获得https://preprints.www.mybigtv.com/preprint/33264,第一次出版．
糖尿病药物依从性智能手机应用:系统回顾

糖尿病药物依从性智能手机应用:系统回顾

糖尿病药物依从性智能手机应用:系统回顾

本文作者:

谢赫·穆罕默德·谢里夫·伊斯兰1 作者Orcid形象； Vinaytosh Mishra2 作者Orcid形象； 默罕默德欧麦尔西迪基3. 作者Orcid形象； Jeban Chandir摩西4 作者Orcid形象； Sasan阿迪比4 作者Orcid形象； Lemai阮4 作者Orcid形象； Nilmini Wickramasinghe结束5 作者Orcid形象
文章 作者 引用的 Tweetations (24) 指标

    审查

    1澳大利亚墨尔本迪肯大学卫生学院运动与营养科学学院体育活动与营养研究所

    2阿拉伯联合酋长国阿吉曼海湾医科大学保健管理和经济学院

    3.美国宾夕法尼亚州费城Thomas Jefferson大学Sidney Kimmel医学院内科

    4澳大利亚伯伍德迪肯大学信息技术学院

    5艾弗森健康创新研究所，斯威本科技大学，墨尔本，澳大利亚

    通讯作者:

    谢赫·穆罕默德·沙里弗·伊斯兰，工商管理硕士，博士

    体育活动和营养研究所

    健康学院运动与营养科学学院

    迪肯大学

    221年伯伍德高速公路

    伯伍德

    墨尔本,3125

    澳大利亚

    电话:61 0392468393

    电子邮件:shariful@deakin.edu.au


    背景:糖尿病是全球主要的非传染性慢性病之一。糖尿病患者需要定期监测血糖水平，并通过健康的生活方式和药物充分管理血糖水平。然而，各种因素导致药物依从性差。智能手机应用程序可以提高糖尿病患者的服药依从性，但尚不清楚哪些应用程序功能最有益。

    摘要目的:本研究旨在系统地审查和评估高质量的糖尿病药物依从性应用程序，这些应用程序在Android和Apple应用程序商店中向公众免费提供，并呈现应用程序的技术特征。

    方法:我们系统地搜索苹果应用商店和谷歌Play应用程序，使用预定义的选择标准，以帮助糖尿病药物依从性。我们使用移动应用评估量表(MARS)评估应用，并通过在6个维度(即意识、知识、态度、改变意愿、寻求帮助和行为改变)上计算应用特定得分的平均值(MASS)(1=非常不同意，5=非常同意)。我们使用应用程序在这6个维度上的性能平均值来计算MASS。在我们的研究中，获得MASS平均质量分数大于4分(总分5分)的应用被认为是高质量的。我们制定了一个任务技术匹配矩阵来评估糖尿病药物依从性的应用程序。

    结果:我们确定了8个高质量的应用程序(MASS评分≥4)，并将结果分为3个主要类别:应用程序的特征、应用程序功能和糖尿病药物依从性。我们评估智能手机应用在促进糖尿病药物依从性方面的框架考虑了影响糖尿病的生理因素和应用功能。在评估中，我们观察到25%的应用促进了高依从性，另外25%的应用促进了中等依从性。最后，我们发现50%的应用程序对糖尿病药物的依从性较低。

    结论:我们的研究结果显示，几乎有一半免费公开的高质量应用程序没有达到高到中等程度的药物依从性。我们的框架可能会对未来糖尿病患者应用程序的设计和开发产生积极的影响。此外，应用程序需要使用标准化框架进行评估，只有那些促进更高药物依从性的应用程序才能获得更好的健康结果。

    JMIR糖尿病2022;7 (2):e33264

    doi: 10.2196/33264

    关键字

    智能手机； 数字医疗； 糖尿病； 药物依从性； 应用程序； 应用程序； 移动健康； 移动健康； task-technology适合


    糖尿病是全球主要的非传染性慢性病之一，对个人的身心健康和生活质量构成重大挑战[1，2］．根据国际糖尿病联合会的数据，2019年，约4.63亿20-79岁的成年人(占全球成人人口的9.3%)患有糖尿病[3.，4］．到2045年，糖尿病患者人数预计将激增至7亿[3.，4］．糖尿病患者面临长期的疾病负担和经济成本[5]，估计有79%的成年糖尿病患者生活在转型国家[3.］．此外，有超过110万儿童和青少年患有1型糖尿病[3.，涉及胰腺β细胞的自身免疫破坏，导致胰岛素缺乏[6］．年龄、城市化和生活方式因素是2型糖尿病(T2DM)的致病因素[4]，是一种慢性代谢性疾病，其特征为胰岛素抵抗、胰岛素分泌下降导致的胰岛素不敏感，最终导致胰腺β细胞衰竭[7］．此外，每年死于糖尿病的人数已达到惊人的420万[3.］．

    糖尿病患者需要定期监测血糖水平，并进行适当管理，以维持健康和福祉[8］．然而，几乎一半的糖尿病患者仍然不坚持他们的处方药物[9-11]，导致糖尿病无法控制、预后不良和生活质量较低[10，12-14］．不坚持药物治疗还会导致缺勤率、住院风险和保健需求增加，从而对个人和社会产生巨大的经济影响[15，16］．有几个因素导致药物依从性差，包括复杂的给药方案、临床惰性、安全担忧、社会经济问题、药物费用、种族、患者教育和信仰、社会支持和多药房[13，17-19］．前瞻性城乡流行病学(PURE)研究显示，低收入国家26.9%和63.0%的家庭分别买不起二甲双胍和胰岛素。[20.］．高度坚持糖尿病治疗对BMI、脂质和血糖控制、情绪和身体表现都有有益影响[21］．年龄越小，药物用量越多，血红蛋白A越高1 c水平与T2DM患者较低的药物依从性相关[22］．

    信息和通信技术(ict)在卫生部门的广泛应用，显著改善了卫生保健提供系统，例如促进以患者为中心的卫生保健，提高保健质量，以及教育卫生专业人员和患者[23］．信息通信技术，包括基于网络的、基于移动电话的以及用于电子捕获、存储、处理和信息交换的数字技术，已被用于预防和管理慢性疾病并提高药物依从性[5，24-27］．几项研究表明，移动医疗是改善糖尿病护理的一种有效和具有成本效益的方法[5，28-30.］．世界卫生组织电子卫生全球观察站将移动卫生定义为“由移动设备支持的医疗和公共卫生实践，如移动电话、患者监测设备、个人数字助理和其他无线设备。”移动健康充分利用了手机语音和短信的核心功能，以及更复杂的功能和应用，包括一般分组无线电服务、移动电信、全球定位系统和蓝牙技术[31］．

    市民可从各大应用商店(包括谷歌Play和Apple app Store)下载有关糖尿病管理和自我管理的智能手机应用程序[32，33］．此外，还有几个应用程序可以收集健康数据，提供临床决策支持系统，并帮助患者坚持用药[34］．移动卫生干预措施有望用于糖尿病的治疗和管理[35］．此外，有强有力的证据表明，应用程序对2型糖尿病患者的生活方式改变有疗效[36以及在改善健康结果方面的自我管理任务[37］．应用程序有效地提高了哮喘、心力衰竭、高血压和艾滋病等各种疾病患者的治疗依从性[38];抑郁症、心血管疾病、帕金森病、高血压和多种疾病患者的药物依从性[39];患有冠状动脉心脏病的老年人[40];和原发性高血压[41］．尽管最近的一些综述评估了糖尿病患者的药物依从性[42-44]，据我们所知，还没有进行系统的评估，以确定高质量的应用程序，并评估其特征的糖尿病药物依从性。因此，本研究系统地审查和评估可用于糖尿病药物依从性的应用程序，并介绍了在谷歌Play和Apple App Store中免费向公众提供的高质量应用程序的技术特征。


    设计

    本研究采用系统评审过程的原则来识别和选择应用程序，包括使用应用程序质量评估工具、搜索策略、预定义的纳入标准筛选应用程序、应用程序评级和选择，以及数据提取进行定性分析。

    应用选择和评估

    搜索策略

    在全球范围内，智能手机市场上占主导地位的操作系统是Android和iOS。45］．因此，我们在2020年5月搜索了谷歌Play (Android)和苹果应用商店(iOS)，寻找用于糖尿病药物坚持治疗的应用，没有国家特定的限制。关键搜索词是“糖尿病或糖尿病或糖尿病或血糖或血糖”和“药物或药物或药物坚持或药物支持”。搜索产生了一个可供筛选的应用程序列表。图1说明了从各自的应用程序商店中选择应用程序的过程。

    ‎
    图1。谷歌Play和Apple App Store的应用程序选择步骤。MARS:移动应用程序分级量表，T2DM: 2型糖尿病。
    把这个图
    应用筛选

    两名研究人员(VM和MS)使用如下所示的纳入和排除标准，从应用商店中筛选应用名称和描述文本框1．在出现分歧的情况下，第三审查员(SMSI)介入评估情况并达成共识。我们将苹果和谷歌平台上的应用视为单个应用。此外，我们采用了一项类似研究的方法，评估了应用程序的质量，并对针对药物依从性的应用程序进行了内容分析，并纳入了下载量超过10万次的应用程序，以确定用于糖尿病药物依从性的最常见应用程序。46］．我们使用移动应用评级量表(MARS)评估高质量应用[47］．在我们的研究中，总平均质量分数超过4分(总分5分)的应用被认为是高质量的。48］．MARS是一个经过验证的工具，它可以通过5个多维层面来评估应用质量:(1)用户粘性，(2)功能，(3)美学，(4)信息，(5)应用主观质量。47］．MARS量表对所有5个维度给予同等的权重，并使用从1到5的5分制评分量表，1=不充分，5=优秀。每个维度的最高得分是粘性25分，功能20分，美学15分，信息35分，应用程序主观质量20分。我们通过确定5个维度的平均分的平均值来计算总平均分[47］．

    应用程序选择标准。

    入选标准:

    • 针对2型糖尿病成人的应用程序
    • 具有支持药物依从性或自我管理功能的应用程序
    • 英语应用程序
    • 应用程序是免费的，不需要付费订阅
    • >500用户评级的应用程序

    排除标准:

    • 仅供医疗保健专业人员使用而非普通公众使用的应用程序
    • 应用程序自2018年1月1日以来没有更新
    • 应用程序只提供糖尿病教育或药物提醒建议
    • 有国家限制的应用程序
    • 有任何技术问题的应用程序，如下载、登录和崩溃问题
    文本框1。应用程序选择标准。
    应用评估

    为了确定将哪些应用程序纳入本研究，在初步筛选和应用初始纳入标准后获得的应用程序被下载，并由两位作者(VM和MS)独立使用，以测试其功能。讨论后，报告质量评估，如有异议，请征求第三作者的意见。进一步，我们通过在6个维度(即意识、知识、态度、改变意愿、寻求帮助和行为改变)上取应用程序特定得分的平均值，计算出应用程序特定得分的平均值(MASS)。这些问题也采用5分制，1=非常不同意，5=非常同意。我们使用应用程序在这6个维度上的性能平均值来计算质量[47］．我们进一步评估了应用程序对用户的知识、态度、改变意愿的感知影响，以及对目标健康行为(在我们的案例中，糖尿病药物依从性)的实际改变的可能性。多媒体附录1给出了应用程序特定的评估和考虑的应用程序的MASS。

    应用评级和选择

    我们考虑了MASS大于4的应用程序来确定高质量的糖尿病药物依从性应用程序。

    数据提取

    两名审阅人员执行数据提取。一名评论者评价苹果应用商店的应用，另一名评论者评价谷歌Play应用。在对应用程序进行审查之前，审查员进行了讨论，并决定将应用程序提供的所有关键功能都包括在内。我们特别关注应用程序提供的服药提醒和坚持功能。评测人员使用预先确定的Excel表格提取了应用功能的信息。Excel表格是基于5个具有广泛功能的应用的试点应用评估而开发的;Excel表格为本研究进行了改进。我们排除了由于国家特定或其他限制而无法进行评估的应用程序。我们添加了一些免费应用的附加功能，这些功能只能通过订阅获得。

    数据分析

    我们根据操作系统(即Android和iOS)对应用进行了分组，给出了MARS的平均评分，并总结了其主要特征。我们还提出了基于意识、知识、态度、改变意愿、寻求帮助和行为改变的MASS和药物依从性应用程序特异性评级。


    概述

    我们在谷歌Play中发现了249款应用，在Apple App Store中发现了209款应用。最初的入选标准是谷歌Play和Apple App Store分别有63和39款应用。最后，共收录了8个MARS评分大于4的应用。所收录应用的平均质量为4.2，用户对应用的平均评价为4.7。图2描述了Apple app Store和谷歌Play在选择满足选择标准的相关应用程序时所遵循的应用程序选择方法。

    ‎
    图2。应用程序选择综述。MASS:应用程序特异性平均得分。
    把这个图

    包含的应用程序的特征

    所有8款应用均可在Apple Store上下载[49-56]， 7个在谷歌Play中可用[49-55，其中一款应用可以选择通过网络应用和亚马逊Alexa访问[56］．考虑到所有的应用程序都可以在苹果应用商店中获得，我们从应用商店中提取了应用程序的信息。表1介绍了应用程序的概述。相比之下,多媒体附录2为每个应用程序提供详细信息。

    表1。应用程序概述。
    应用程序 操作系统 类别 可用语言,n 数据隐私 卖方 应用内购买




    		确认 鉴定

    糖尿病:M (49］ Android和iOS 医疗 8 是的 是的 慢性疾病软件开发公司 是的
    mysugar -糖尿病追踪日志[52］ Android和iOS 医疗 24 是的 没有 数字医疗公司 是的
    Health2Sync [51］ Android和iOS 医疗 4 是的 没有 数字医疗公司 是的
    MyTherapy药丸提醒[53］ Android和iOS 医疗 30. 没有 是的

    		 健康，健康，和健身 没有
    一滴:改变你的生活[54］ Android和iOS 健康和健身 11 是的 是的 软件及技术服务 是的
    葡萄糖伙伴糖尿病追踪器[50］ Android和iOS 医疗 31 是的 是的 个人 是的
    OneTouch揭示[55］ Android和iOS 医疗 14 是的 是的 诊断系统制造商 没有
    Sugarmate [56］ iOS 医疗 5 需要提供下一个应用程序更新 需要提供下一个应用程序更新 软件公司 没有

    苹果应用商店的应用被归类为医疗类[49-53，55，56健康和健身[54)应用程序。包括英语版本在内，这些应用程序大约在5个小时内可用。51，56, 1049，54，55, 2052]，以及30种语言[50，53］．此外，所有的应用程序都有家庭共享选项(即，应用程序可以与6个家庭成员共享和使用)[49-56］．除了一款应用[56]，应用程序明确定义了它们的隐私政策，定义了识别的[49-52，54，55]及已识别的资料[49，50，53-55，尽管这两款应用程序之间存在差异。例如，健康和健身信息、联系信息、标识符、诊断、位置、用户内容和使用数据等数据被一个应用程序视为“识别”数据[52］．相比之下，同样的数据被另一个应用程序认为是“被识别的”数据[53］．此外，这些应用程序是由软件公司销售的。54，56，数字健康公司[49，51，52，55，健康和健身公司[53]和个人[50］．最后，尽管所有的应用程序都是免费的。49-56，他们有一个应用内购买选项[49-52，54];也就是说，用户可以选择支付指定金额以使用额外功能，例如付费订阅功能[49-52]和乘坐教练的机会[54］．

    应用程序的兼容操作系统版本在不同的应用程序之间差异很大。为了使应用程序平稳运行，9.0 [49), 10.3 (56), 11.0 (51), 12.0 (50), 13.0 (53-55), 13.2 (52或更高版本的操作系统。

    应用程序功能

    概述

    在本节中，我们将根据标准参数讨论应用程序的显著特征。然而，我们在分析中考虑了免费的应用程序功能(我们没有考虑应用程序内的功能)。图3说明了应用程序及其相应的功能。

    ‎
    图3。应用程序及其相应的功能。CGM:持续血糖监测，DM:糖尿病，T1DM: 1型糖尿病，T2DM: 2型糖尿病。
    把这个图
    设备目标和目标人群

    这些应用程序的主要目标是控制糖尿病[49-52，55，管理糖尿病和心脏健康[54，协助药物追踪[53]，并可作为连续血糖监测(CGM)装置的辅助装置[56］．尽管已经为普通民众开发了一些应用程序，而不管他们的健康状况如何[50，53，56]、其他一些旨在满足T2DM患者需求的应用程序[51，54］．相比之下，其他应用程序具有满足T1DM、T2DM或妊娠期糖尿病患者健康和福祉需求的功能[49，52，55］．这些应用的年龄评级为4+ [50-54，56和17+ [49，55］．

    BG阅读

    这些应用程序有不同的方法，使用不同的技术来捕获BG记录。例如，一些应用程序可以手动登录录音[50，53］．相比之下，其他一些应用程序可以从集成BG监测(BGM)设备中捕获CGM记录[55，56］．尽管如此，其他一些应用程序可以手动登录集成BGM设备的BG和CGM录音[49，51，52，54］．

    健康数据

    除了记录血糖值，这些应用程序还可以捕捉其他与健康相关的数据，包括食物摄入量[49，50，52，54-56，血压[50-54)、体重(50-54，每天的活动量和步行步数[52，54-56]和药物治疗[49，50，52，54］．此外，在食物消费方面，这些应用程序特别考虑了碳水化合物的摄入量[49，50，52，55，56)、蛋白质(49[],脂肪49，以及卡路里[49］．

    设备集成

    市场上有各种各样的BGM或CGM设备，一些应用程序可以与多个设备集成和功能，如Dexcom, OneTouch和Accu-Chek [49，51，54］．相比之下，其他应用程序只能在设备上运行，比如Accu-Chek [52和Dexcom [49，50，54］．此外，OneTouch设备卖方开发的一款应用程序旨在捕获CGM记录，以执行整合其他健康参数的分析任务[55］．相比之下，一家与Dexcom设备无关的卖家开发了一款应用程序来实时捕捉CGM读数并执行其他任务[56］．

    报告

    这些应用程序具有生成BG水平报告的功能，考虑到其他因素，包括食物摄入量[49，50，52，54-56，体育活动[49，54，55)、药物(49，50，52，54]，以及其他重要记录[50，51，53，54，56］．从生成的报告中，应用程序提供了捕获数据短时间的概述，如应用程序何时启动[51];每小时(50,每天49，52，54，56),每周(49，52，54]和两周一次[55];更长的时间，如每月[49，52，54]和annual [49］．此外，当BG水平低于或超过阈值时，一些应用程序可以通过通知提醒个人[49，55，短讯短信[51，56]，或电话[56］．

    提醒

    忘记服药是患者不坚持服药的一个重要原因[57];因此，带有提醒功能的应用程序可以提高依从性。这些应用程序有检查血糖水平的提醒。49，吃饭[49，54，55)、药物(53，54)、运动(53，54，并满足其他个性化医疗需求[51，55］．

    依从性动机

    为了持续支持个人坚持糖尿病药物治疗，应用程序提供了一些选项，可以邀请临床医生、营养学家、家人、朋友和爱人查看他们的进展，并相应地帮助他们[51，53，54];为进一步支持提供患者信息[49]，提供个性化贴士[51，53，55];并提供5分钟课程的教育计划[50］．此外，一些应用还具有游戏化功能(游戏邦注:即游戏玩法元素)，如得分、与他人竞争以及鼓励用户参与的挑战等。52，54-56］．

    糖尿病药物治疗依从性

    在糖尿病患者中，最佳的血糖控制是必不可少的，良好的坚持与较低的全因死亡率和住院风险有关[58］．研究了许多模型来探索技术的接受和使用。其中一个模型就是任务-技术拟合(TTF)。TTF指出，一项技术应能有效地完成指定的任务，从而提高用户的性能和使用率[59］．TTF对应用程序的任务特征和技术特征进行评级，影响用户对应用程序的使用效率和采用程度。因此，在本节中，我们使用TTF并量化了应用程序在糖尿病依从性方面的有效性，以评估应用程序是否促进了糖尿病药物依从性[60，61］．最近的一项研究利用TTF评估移动健康应用程序在提供医疗保健服务方面的有效性[62］．

    初级预防和减轻糖尿病的严重程度围绕定期检查血糖、饮食、体育活动、其他重要读数和坚持用药[63］．因此，它们是本研究考虑的主要因素。虽然应用程序已被发现可以提高对药物依从性的认识，并减少非药物依从性糖尿病患者自我报告的药物依从性障碍[64]，一项研究发现，很大一部分糖尿病自我管理应用程序缺乏增强药物依从性和安全性的功能[65］．因此，在应用程序功能中，我们将概述(生成一段时间的报告并以图形形式呈现)、提醒(执行任务的定制提醒)、通知(BG上升或下降到阈值以下时的提醒)、帮助(由各种利益相关方提供的额外支持)和动机(来自爱人的帮助和通过游戏化的挑战)视为支持糖尿病患者坚持服药的必要应用功能。

    表2提出了糖尿病药物依从性的TTF矩阵，以根据定义的主要因素和应用程序特征来评估应用程序。在矩阵中，当因子和特征可用时，我们标记为“是”。然后我们分别将主要因素和应用功能的得分加起来。我们将主要因素和应用功能得分均为5分的应用定义为帮助高依从性的应用，将主要因素或应用功能得分均为4分及以上的应用定义为帮助高依从性的应用，将主要因素或应用功能得分均为3分及以上的应用定义为帮助中等依从性的应用。我们进一步将低依从性应用定义为主要因素或应用功能得分在2分及以上的应用，任何在主要因素或应用功能得分低于2分的应用都是低依从性应用。

    表2。任务技术适合糖尿病药物依从性矩阵。
    应用程序 主要因素 应用程序功能
    血糖 食物 体育活动 药物治疗 生命体征 分数 概述 提醒 通知 援助 动机 分数
    糖尿病:M (49］ 是的 是的 是的 是的 没有 4 是的 是的 是的 是的 没有 4
    mysugar -糖尿病追踪日志[52］ 是的 是的 没有 是的 没有 3. 是的 没有 没有 没有 是的 2
    Health2Sync [51］ 是的 没有 没有 没有 是的 2 是的 是的 是的 是的 是的 5
    MyTherapy药丸提醒[53］ 是的 没有 没有 没有 是的 2
    		是的 没有 是的 是的 3.
    一滴:改变你的生活[54］ 是的 是的 是的 是的 是的 5 是的 是的 没有 没有 是的 3.
    葡萄糖伙伴糖尿病追踪器[50］ 是的 没有 没有 是的 是的 3. 是的 没有 没有 是的 没有 2
    OneTouch揭示[55］ 是的 是的 是的 是的 没有 4 是的 是的 是的 是的 是的 5
    Sugarmate [56］ 是的 是的 没有 是的 是的 4 是的 没有 是的 没有 是的 3.

    根据我们的评估，没有一个应用程序有助于非常高的依从性，也没有一个应用程序依从性差。此外，我们发现3款应用都有助于提高依从性(25%)[49，55适度坚持糖尿病药物治疗(25%)[54，56］．相比之下，其他4个应用程序在协助糖尿病药物依从性方面属于低依从性类别(50%)[50-53］．


    主要研究结果

    在这次系统评估中，我们确定了8款在苹果App Store和谷歌Play中公开提供的高质量应用。这些应用的平均质量是4.2，而用户的平均评分是4.7。只有2个应用程序表现出高依从性，2个应用程序表现出中等依从性，而一半的应用程序表现出低依从性。然而，由于全球市场有望快速增长，并可能对提供个性化医疗保健产生广泛影响[66]，可在苹果应用程序商店和谷歌Play提供的互操作移动健康解决方案通常是为了广泛的适应性而设计和开发的。我们的系统综述建议在给糖尿病患者开处方前使用标准化框架评估应用程序，并使用行为理论来提高药物依从性。

    所有的应用程序都支持英语和其他5种以上的语言。49-56］．此外，双语英语患者表示需要语言翻译来理解和使用应用程序进行交流[67)，所选的应用程序可以通过提供的多语言选项来解决这个问题。然而，在全球范围内，79%的成年糖尿病患者生活在转型国家[3.］．多年来，包括在转型国家，移动电话订阅人数有所增加[68]，以及移动电话技术的不断进步[69促进移动保健在存在障碍的过渡国家有效使用，例如缺乏基础设施和设备以及技术差距[70］．因此，如果选定的应用程序的语言在糖尿病发病率较高的过渡国家占主导地位，它们可能有助于糖尿病管理，减少医疗保健系统的负担，并降低死亡率。

    取消识别对保护病人隐私和删除直接或间接指向某人的识别码至关重要[71］．然而，失认的定义有可变性[72］．例如，在考虑的应用程序中，健康和健身、联系信息、标识符、诊断、位置、用户内容和使用数据被认为是一个应用程序的识别数据[52］．相比之下，同样的数据被另一个应用程序视为未识别的数据[53］．这种差异可能是由于应用程序开发国家的定义和遵循的法律实践存在差异[72］．因此，根据立法指导方针开发的医疗保健应用程序，如美国《健康保险可携性与责任法案》和欧洲《一般数据保护条例》，在定义可识别数据和可识别数据方面可能具有一致性[72］．因此，遵循全球监管准则可以统一使用已识别和未识别数据。

    应用内购买允许用户从应用内购买附加服务，本研究中考虑的5款应用具有这一功能[49-52，54］．值得注意的是，应用内购买选项能够有效地推广免费提供基本功能的健康应用。73］．然而，升级为付费订阅的意图是由订阅功能、好处和价格价值驱动的[74］．因此，开发带有应用内购买选项的免费健康应用是推广应用的必要之举;然而，内容应提供足够价值以留住订阅[74］．

    本研究中描述的一些应用程序可用于所有糖尿病患者[50，53，56］．相比之下，其他应用程序专门针对2型糖尿病患者[51，54或T1DM、T2DM或妊娠期DM患者[49，52，55］．尽管如此，与描述笼统的应用程序相比，有具体描述的应用程序更受用户欢迎。75］．有些应用的年龄评级≥4 [50-54，56≥17 [49，55］．T1DM影响儿童[3.]，虽然一些app被认为适合T1DM患者，但年龄分级≥17岁[49，55］．另一款app的年龄评分≥4，可用于T1DM患者[52］．因此，开发具有特定描述和适当年龄评级的应用程序可以帮助适当的目标人群。

    我们考虑了影响糖尿病的生理因素和应用程序功能，以使用TTF矩阵开发和评估应用程序。

    研究的局限性

    这一综述有一定的局限性。首先，在这项研究中，我们纳入了评分超过500的应用。因此，我们可以删除一些评论少于500的新应用，但这可能会获得更高的质量。其次，我们只收录了英文版本的应用，可能遗漏了其他语言版本的有效应用。第三，我们的搜索日期限定在2020年5月。然而，与COVID-19大流行的严重程度相关的限制可能使开发和使用满足我们的选择标准的应用程序成为可能。最后，我们将搜索范围限定在主要应用商店中的应用:Apple app Store和谷歌Play。然而，截至2020年5月，这些应用商店占全球应用总数的80%(441万)。76］．

    启示与未来研究

    我们的研究结果为应用程序开发者开发一款帮助糖尿病患者坚持服药的应用程序提供了指导。此外，一些应用程序很可能在大流行期间开发和开出处方[77，78］．因此，使用我们的框架评估应用程序可以帮助应用程序提供更高的药物依从性，以更好的糖尿病患者的健康和福祉。随着智能手机技术的进步，各种健康指标可以被实时捕捉和传输，以供分析[79-81］．机器学习和大数据的应用可以为患者和卫生保健专业人员提供丰富的预测信息[82-87］．此外，高质量的应用程序结合基于证据的ICT项目，使用以用户为中心的设计、可穿戴设备和机器学习方法，可用于为糖尿病患者提供个性化干预[84，87-93］．因此，我们的发现可能对糖尿病药物依从性有实际和研究意义。

    结论

    我们评估智能手机应用在促进糖尿病药物依从性方面的框架考虑了影响糖尿病的生理因素和应用功能。因此，我们的研究结果对糖尿病患者应用程序的设计和开发具有积极意义。此外，可用的应用程序可以根据我们的框架进行评估，那些促进更高药物依从性的应用程序可以用于更好的健康结果。

    致谢

    SMSI由澳大利亚国家心脏基金会(102112)和国家卫生和医学研究委员会新兴领袖奖学金(APP1195406)资助。我们感谢迪肯大学的博士生Jedha Denning对这项研究的帮助，以及Capstone编辑服务的专业英语语言编辑。

    作者的贡献

    SMSI、VM和MUS是本文的概念。VM和MUS下载app，进行筛选和数据提取。SMSI、VM和MUS撰写了第一稿。所有其他作者提供了数据，开发了模型，审查了结果，提供了方法指导，或审查了稿件并对其做出了贡献。所有作者都认可了手稿的最终版本。

    的利益冲突

    没有宣布。

    ‎
    多媒体附录1

    应用程序选择审核和MASS。

    DOCX文件，15 KB
    ‎
    多媒体附录2

    所有应用程序的详细信息。

    DOCX文件，21 KB
    1. Islam SMS, Purnat TD, Phuong NTA, Mwingira U, Schacht K, Fröschl G.发展中国家的非传染性疾病:一份研讨会报告。全球卫生2014年12月11日;10(1):81 [免费的全文] [CrossRef] [Medline］
    2. 孙H, Saeedi P, Karuranga S, Pinkepank M, Ogurtsova K, Duncan BB，等。IDF糖尿病地图集:2021年全球、区域和国家层面的糖尿病流行率估计和2045年的预测。糖尿病临床实践2022年1月;183:109119。［CrossRef] [Medline］
    3. 国际糖尿病联合会。URL:https://www.idf.org/aboutdiabetes/what-is-diabetes/facts-figures.html[2020-12-10]访问
    4. Saeedi P, Petersohn I, Salpea P, Malanda B, Karuranga S, Unwin N, IDF糖尿病地图集委员会。2019年全球和区域糖尿病流行率估计以及2030年和2045年的预测:国际糖尿病联合会糖尿病地图集第9版的结果。2019年11月;157:107843。［CrossRef] [Medline］
    5. Islam SMS, Peiffer R, Chow CK, Maddison R, Lechner A, Holle R，等。手机短信干预2型糖尿病的成本-效果-随机对照试验。2020年3月9日(1):79-85。［CrossRef］
    6. Kahanovitz L, Sluss PM, Russell SJ。1型糖尿病-临床视角。要点护理2017年3月16日(1):37-40 [免费的全文] [CrossRef] [Medline］
    7. Olokoba AB, Obateru OA, Olokoba LB. 2型糖尿病:当前趋势综述Oman Med J 2012 july 16;27(4):269-273 [免费的全文] [CrossRef] [Medline］
    8. 阮亮，阿迪比，维克拉马辛贺。为糖尿病患者创造更好的生活:在智能数字伴侣中开发和集成无创自我管理支持工具。正确做法:用物联网和分析技术提供卓越的健康和健康管理。可汗:施普林格;2019:207 - 222。
    9. Aminde LN, Tindong M, Ngwasiri CA, Aminde JA, Njim T, Fondong AA，等。喀麦隆两家地区医院2型糖尿病患者抗糖尿病药物依从性及不依从性相关因素BMC endocdisord 2019 Apr 03;19(1):35 [免费的全文] [CrossRef] [Medline］
    10. Islam SMS, Biswas T, Bhuiyan FA, Mustafa K, Islam a .孟加拉国城市地区2型糖尿病患者的疾病和药物依从性:一项定性研究。BMC Res Notes 2017 Mar 21;10(1):131 [免费的全文] [CrossRef] [Medline］
    11. Polonsky W, Henry R. 2型糖尿病患者药物依从性差:认识到问题的范围及其关键因素。PPA 2016年7月;卷10:1299-1307。［CrossRef］
    12. Islam SMS, Uddin R, Zaman SB, Biswas T, Tansi T, Chegini Z，等。三级医院就诊的2型糖尿病患者的就医行为和血糖控制2020年10月08日;41(2):280-287。［CrossRef］
    13. Safita N, Islam SMS, Chow CK, Niessen L, Lechner A, Holle R，等。2型糖尿病对孟加拉国健康相关生活质量的影响:来自一项比较治疗病例与非糖尿病对照组的匹配研究的结果。2016年9月13日;14(1):129 [免费的全文] [CrossRef] [Medline］
    14. 伊斯兰短信，拉瓦尔LB，尼森LW。2型糖尿病患者的抑郁患病率及其相关因素:孟加拉国达卡的一项横断面研究亚洲J精神病学2015年10月17:36-41。［CrossRef] [Medline］
    15. Cutler RL, Fernandez-Llimos F, Frommer M, Benrimoj C, Garcia-Cardenas V.疾病组不遵守药物治疗的经济影响:一项系统综述。BMJ公开赛2018年1月21日;8(1):e016982 [免费的全文] [CrossRef] [Medline］
    16. sharful Islam SM, Lechner A, Ferrari U, Laxy M, Seissler J, Brown J，等。孟加拉国糖尿病的医疗保健使用和支出。BMJ Glob Health 2017 Jan 03;2(1):e000033 [免费的全文] [CrossRef] [Medline］
    17. 2型糖尿病患者对药物治疗的依从性。国际临床实用杂志2011年3月65日(3):314-322。［CrossRef] [Medline］
    18. Islam SMS, Islam MT, Uddin R, Tansi T, Talukder S, Sarker F，等。孟加拉国某三级医院就诊的2型糖尿病患者药物依从性低的相关因素生活方式医学2021 9月07;2(4)。［CrossRef］
    19. Kherallah R, Al Rifai M, Kamat I, Krittanawong C, mahita D, Lee MT，等。心血管疾病个体中与费用相关的药物不依从的患病率和预测因素:来自行为风险因素监测系统(BRFSS)调查的结果。Prev Med 2021 Dec;153:106715 [免费的全文] [CrossRef] [Medline］
    20. 周ck, Ramasundarahettige C，胡伟，AlHabib KF, Avezum A, Cheng X，等。高收入、中等收入和低收入国家糖尿病基本药物的可得性和可负担性:一项前瞻性流行病学研究《柳叶刀糖尿病内分泌》2018年10月6日(10):798-808。［CrossRef］
    21. Marinho FS, Moram CBM, Rodrigues PC, Leite NC, Salles GF, Cardoso CRL。2型糖尿病患者的治疗依从性及其相关因素:来自里约热内卢2型糖尿病队列研究的结果。J Diabetes Res 2018年11月27日;2018:8970196-8970198 [免费的全文] [CrossRef] [Medline］
    22. Aloudah NM, Scott NW, Aljadhey HS, Araujo-Soares V, Alrubeaan KA, Watson MC. 2型糖尿病患者药物依从性:一项混合方法研究。PLoS One 2018 Dec 11;13(12):e0207583 [免费的全文] [CrossRef] [Medline］
    23. 伊斯兰SMS, Tabassum R.在孟加拉国实施信息和通信技术促进保健。公牛世界卫生机构2015年8月31日;93(11):806-809。［CrossRef］
    24. Gutierrez MA, Moreno RA, Rebelo MS.信息和通信技术与全球健康挑战。见:全球卫生信息学:信息技术如何在全球化世界中改变我们的生活。剑桥，马萨诸塞州:学术出版社;2017:50 - 93。
    25. Rouleau G, Gagnon M, Côté J.信息和通信技术对护理的影响:系统评估综述(协议)。Syst Rev 2015年5月23日;4(1):75 [免费的全文] [CrossRef] [Medline］
    26. sharful Islam SM, Niessen LW, Ferrari U, Ali L, Seissler J, Lechner A.手机短信对孟加拉国2型糖尿病患者血糖控制的影响:一项前瞻性、平行组、随机对照试验。Diabetes Care 2015 Aug;38(8):e112-e113。［CrossRef] [Medline］
    27. Dening J, Islam SMS, George E, Maddison R.基于网络的2型糖尿病成人饮食行为干预:随机对照试验的系统综述。J Med Internet Res 2020 Aug 28;22(8):e16437 [免费的全文] [CrossRef] [Medline］
    28. 陈勇，舒尔茨。信息通信技术干预对减少老年人社会孤立的作用:一项系统综述。J Med Internet Res 2016年1月28日;18(1):e18 [免费的全文] [CrossRef] [Medline］
    29. sharful Islam SM, Farmer AJ, Bobrow K, Maddison R, Whittaker R, Pfaeffli Dale LA，等。旨在预防心血管疾病的手机短信干预措施(Text2PreventCVD):系统回顾和个人患者数据元分析。Open Heart 2019 10月09;6(2):e001017 [免费的全文] [CrossRef] [Medline］
    30. sharful Islam SM, Lechner A, Ferrari U, Seissler J, Holle R, Niessen LW。孟加拉国糖尿病患者使用手机和支付短信的意愿。公共卫生杂志(Oxf) 2016年3月16日;38(1):163-169。［CrossRef] [Medline］
    31. 移动卫生:通过移动技术实现卫生的新视野:关于电子卫生的第二次全球调查。世界卫生组织，2011年。URL:https://www.who.int/goe/publications/goe_mhealth_web.pdf[2022-04-13]访问
    32. Larbi D, Randine P， Årsand E, Antypas K, Bradway M, Gabarron E.糖尿病自我管理应用程序和数字干预的方法和评价标准:系统综述。J Med Internet Res 2020年7月06;22(7):e18480 [免费的全文] [CrossRef] [Medline］
    33. Veazie S, Winchell K, Gilbert J, Paynter R, Ivlev I, Eden KB，等。糖尿病自我管理移动应用的快速证据回顾。J Gen Intern Med 2018 7月8日;33(7):1167-1176 [免费的全文] [CrossRef] [Medline］
    34. 移动应用程序，临床数据科学基础。在:库本P, Dumontier M, Dekker A，编辑。临床数据科学基础“，”可汗:施普林格;2019:171 - 179。
    35. 王勇，闵杰，Khuri J，薛浩，谢斌，A Kaminsky L，等。移动卫生干预对糖尿病和肥胖治疗和管理的有效性:系统综述的系统综述。JMIR Mhealth Uhealth 2020年4月28日;8(4):e15400 [免费的全文] [CrossRef] [Medline］
    36. 吴霞，郭霞，张卓。手机应用程序对糖尿病患者生活方式改变的疗效:系统评价和meta分析。JMIR Mhealth Uhealth 2019年1月15日;7(1):e12297 [免费的全文] [CrossRef] [Medline］
    37. Jeffrey B, Bagala M, Creighton A, Leavey T, Nicholls S, Wood C，等。手机应用程序及其在2型糖尿病自我管理中的使用:应用程序用户和非应用程序用户之间的定性研究。diabetes Metab Syndr 2019 10月16日;11(1):84 [免费的全文] [CrossRef] [Medline］
    38. Pérez-Jover V, Sala-González M, Guilabert M, Mira JJ。提高治疗依从性的移动应用程序:系统评价。J Med Internet Res 2019 6月18日;21(6):e12505 [免费的全文] [CrossRef] [Medline］
    39. Armitage LC, Kassavou A, Sutton s设计用于支持药物依从性的移动设备应用程序是否证明了有效性?一项随机对照试验的系统综述，并进行meta分析。BMJ公开赛2020年1月30日;10(1):e032045 [免费的全文] [CrossRef] [Medline］
    40. 朴乐林，吴芳，沈杰，Elnaggar A, Villero O.老年冠心病患者使用移动技术治疗依从性的认知与体验:一项定性研究。数字健康2020 5月20日;6:2055207620926844 [免费的全文] [CrossRef] [Medline］
    41. Mohammadi Tork Abad S, Negahban Bonabi T, Heidari S.基于智能手机的服药提醒应用对原发性高血压患者服药依从性的影响:一项临床试验研究。中华妇产科杂志2020;7(4):219。［CrossRef］
    42. McGovern A, Tippu Z, Hinton W, Munro N, Whyte M, de Lusignan S. 2型糖尿病患者按药物类别的依从率系统综述:一项研究方案。BMJ公开赛2016年2月29日;6(2):e010469 [免费的全文] [CrossRef] [Medline］
    43. 李晓燕，李晓燕。糖尿病患者的药物依从性:文献系统回顾。糖尿病教育2016 Feb 04;42(1):34-71。［CrossRef] [Medline］
    44. Anderson L, Nuckols TK, Coles C, Le MM, Schnipper JL, Shane R, pharma - dc集团成员。评价药物依从性干预的系统综述。Am J Health Syst Pharm 2020年1月08日;77(2):138-147 [免费的全文] [CrossRef] [Medline］
    45. Chmielarz W.从波兰用户的角度看智能手机和移动应用的使用。信息2020 4月17日;11(4):220。［CrossRef］
    46. 朴济野，李娟，何仁A，曹NW, De Vera M.针对药物依从性的手机应用程序:质量评估和用户评论内容分析。JMIR Mhealth Uhealth 2019 1月31日;7(1):e11919 [免费的全文] [CrossRef] [Medline］
    47. Stoyanov SR, Hides L, Kavanagh DJ, Zelenko O, Tjondronegoro D, Mani M.移动应用程序评级量表:评估健康移动应用程序质量的新工具。JMIR Mhealth Uhealth 2015年3月11日;3(1):e27 [免费的全文] [CrossRef] [Medline］
    48. LeBeau K, Huey LG, Hart M.评估职业治疗师使用的移动应用程序的质量:使用移动应用程序评级量表的用户版本进行评估。JMIR Mhealth Uhealth 2019 5月01日;7(5):e13019 [免费的全文] [CrossRef] [Medline］
    49. 糖尿病:M。像专业人士一样管理糖尿病。苹果(aapl . o:行情)。URL:https://apps.apple.com/au/app/diabetes-m/id1196733537[2022-06-02]访问
    50. 血糖伙伴糖尿病追踪器(版本5.328)。苹果(aapl . o:行情)。URL:https://apps.apple.com/us/app/glucose-buddy-diabetes-tracker/id294754639[2022-06-02]访问
    51. 2.5.2 Health2Sync(版本)。苹果(aapl . o:行情)。URL:https://apps.apple.com/au/app/health2sync/id806136243[2022-06-02]访问
    52. mysugar -糖尿病追踪日志(版本3.83.4)。苹果(aapl . o:行情)。URL:https://apps.apple.com/au/app/mysugr-diabetes-tracker-log/id516509211[2022-06-02]访问
    53. MyTherapy药丸提醒(版本3.75.2)。苹果(aapl . o:行情)。URL:https://apps.apple.com/au/app/mytherapy-pill-reminder/id662170995[2022-06-02]访问
    54. 一滴:今天更好的健康(版本6.17.0)。苹果(aapl . o:行情)。URL:https://apps.apple.com/us/app/one-drop-diabetes-management/id972238816[2022-06-02]访问
    55. OneTouch显示(5.3版本)。苹果(aapl . o:行情)。URL:https://apps.apple.com/us/app/onetouch-reveal/id651293599?shortlink=ed2241e6&pid=US%20Site[2022-06-02]访问
    56. Sugarmate |糖尿病追踪器(2.6.23版本)。苹果(aapl . o:行情)。URL:https://apps.apple.com/us/app/sugarmate/id1111093108[2022-06-02]访问
    57. Alshehri K, Altuwaylie TM, Alqhtani A, Albawab AA, Almalki AH。2型糖尿病患者对药物的坚持。Cureus 2020 Feb 10;12(2):e6932 [免费的全文] [CrossRef] [Medline］
    58. Khunti N, Khunti N, Khunti K.坚持2型糖尿病管理。《糖尿病杂志》2019年12月17日;19(2):99-104。［CrossRef］
    59. 古德休DL，汤普森RL。任务技术适合度与个体绩效。MIS季刊1995年6月;19(2):213。［CrossRef］
    60. Spies R, Grobbelaar S, Botha A.任务技术匹配理论的应用范围综述，2020，发表于:第19届IFIP WG 6.11电子商务、电子服务和电子社会会议，I3E 2020;2020年4月6 - 8日;Skukuza p。397 - 408。［CrossRef］
    61. Wickramasinghe N, Schaffer JL, Seitz J, Muhammad I, Vogel D.电子健康解决方案的fit -可行性模型检验。在:维克拉马辛哈N，谢弗J，编辑。为高等卫生信息学研究与实践提供理论信息。可汗:施普林格;2018:251 - 269。
    62. Zaidi S, Kazi AM, Riaz A, Ali A, Najmi R, Jabeen R，等。巴基斯坦和阿富汗服务不足地区社区卫生工作者提供初级卫生保健服务的移动卫生应用程序的可操作性、有用性和任务技术适合性:定性研究。J Med Internet Res 2020年9月17日;22(9):e18414 [免费的全文] [CrossRef] [Medline］
    63. Blaslov K, naranca FS, Kruljac I, Renar IP。2型糖尿病的治疗方法:过去，现在和未来。世界糖尿病杂志2018年12月15日;9(12):209-219 [免费的全文] [CrossRef] [Medline］
    64. 黄志，谭娥，Lum E, Sloot P, Boehm BO, Car J.提高亚洲2型糖尿病患者药物依从性的智能手机应用:可行性随机对照试验。2019年9月12日;7(9):e14914。［CrossRef］
    65. 黄志，Lum E, Jimenez G, Semwal M, Sloot P, Car J.糖尿病药物管理支持:糖尿病自我管理应用程序的系统评估。BMC Med 2019 7月17日;17(1):127 [免费的全文] [CrossRef] [Medline］
    66. 李东。5G与智能医疗——下一代无线技术将如何重建医疗保健?Precis clinmed 2019 Dec;2(4):205-208 [免费的全文] [CrossRef] [Medline］
    67. Albrecht U, Behrends M, Schmeer R, Matthies HK, von Jan U.多语言移动翻译应用在临床环境中的使用。2013年4月23日;1(1):e4 [免费的全文] [CrossRef] [Medline］
    68. 数据库:世界发展指标。世界银行。URL:https://databank.worldbank.org/reports.aspx?source=2&series=IT.CEL.SETS.P2[2022-09-20]访问
    69. 哈里斯A，库珀M.移动电话:影响，挑战和预测。2019年2月18日;1(1):15-17。［CrossRef］
    70. Kruse C, Betancourt J, Ortiz S, Valdes Luna SM, Bamrah IK, Segovia N.利用移动医疗改善发展中国家健康结果的障碍:系统审查。J Med Internet Res 2019 10月09;21(10):e13263 [免费的全文] [CrossRef] [Medline］
    71. Ahmed T, Aziz MMA, Mohammed N.利用神经网络去识别电子健康记录。Sci Rep 2020年10月29日;10(1):18600 [免费的全文] [CrossRef] [Medline］
    72. Chevrier R, Foufi V, gaudt - blavignac C, Robert A, Lovis C.生物医学文献中匿名化和去标识的使用和理解:范围综述。J Med Internet Res 2019 5月31日;21(5):e13484 [免费的全文] [CrossRef] [Medline］
    73. Aydin G, Silahtaroglu G.通过机器学习对市场数据的内容分析洞察移动医疗应用市场。PLoS One 2021年1月6日;16(1):e0244302 [免费的全文] [CrossRef] [Medline］
    74. Mäntymäki M, Islam AN, Benbasat I.是什么推动付费用户订阅免费增值服务?以消费者价值为基础的观点来区分升级到高级产品和保持高级产品之间的区别。信息系统J 2019 Aug 16;30(2):295-333。［CrossRef］
    75. Paglialonga, Lugo A, Santoro E.健康应用识别、表征和评估的新兴领域概述。J Biomed Inform 2018 july;83:97-102 [免费的全文] [CrossRef] [Medline］
    76. Almalki M, Giannicchi A.抗击COVID-19的卫生应用程序:描述性综述和分类。JMIR Mhealth Uhealth 2021年3月02日;9(3):e24322 [免费的全文] [CrossRef] [Medline］
    77. Kakhi K, Alizadehsani R, Khosravi A, Nahavandi S, Islam SMS。在2021 IEEE第四届国际会议和研讨会Óbuda上的电气和动力工程(CANDO-EPE);2021年11月17 - 18;布达佩斯。［CrossRef］
    78. Moses JC, Adibi S, sharful Islam SM, Wickramasinghe N, Nguyen L.智能手机技术在疾病监测中的应用:系统综述。医疗保健(巴塞尔)2021年7月14日;9(7):889 [免费的全文] [CrossRef] [Medline］
    79. 纵向流行病学研究中移动应用程序数据收集的可能性、问题和前景:范围审查。J Med Internet Res 2021年1月22日;23(1):e17691 [免费的全文] [CrossRef] [Medline］
    80. Mishra V，伊斯兰短信。采用医疗保健4.0的框架——ISM方法。编辑:巴厘五世，巴特纳加五世，辛哈S，乔赫里P。社会颠覆性技术5.0:探索新思想、新技术和新工具。佛罗里达州博卡拉顿:CRC出版社;2021.
    81. 扎曼SB，汗RK，埃文斯RG，节俭AG，麦迪森R，伊斯兰短信。探索在慢性病老年人护理中采用信息和通信技术的障碍和促进因素:范围审查。JMIR Aging 2022年1月07;5(1):e25251 [免费的全文] [CrossRef] [Medline］
    82. 人工智能和大数据分析在移动医疗中的应用:一个医疗系统的视角。J Healthc Eng 2020年9月01日;2020:8894694 [免费的全文] [CrossRef] [Medline］
    83. Islam S, Talukder A, Awal MA, Siddiqui MMU, ahhamad MM, ahhammed B，等。利用三个南亚国家的人口水平数据预测高血压及其相关因素的机器学习方法。心血管医学前沿2022;9:839379 [免费的全文] [CrossRef] [Medline］
    84. Howlader KC, Satu MS, Awal MA, Islam MR, Islam SMS, Quinn JMW，等。机器学习模型用于分类和识别检测2型糖尿病的重要属性。Health Inf Sci Syst 2022 Dec 09;10(1):2 [免费的全文] [CrossRef] [Medline］
    85. Chowdhury NK, Kabir MA, Rahman MM, Islam SMS。从咳嗽声中检测COVID-19的机器学习:一种基于集成的MCDM方法。Comput Biol Med 2022 Jun;145:105405 [免费的全文] [CrossRef] [Medline］
    86. Abdalrada AS, Abawajy J, Al-Quraishi T, Islam SMS。利用机器学习模型预测糖尿病患者的心脏自主神经病变。Ther Adv Endocrinol Metab 2022年3月22日;13:20420188221086693 [免费的全文] [CrossRef] [Medline］
    87. Abdalrada AS, Abawajy J, Al-Quraishi T, Islam SMS。预测糖尿病和心血管疾病共发的机器学习模型:一项回顾性队列研究糖尿病Metab Disord 2022 1月12日。［CrossRef］
    88. Islam SMS, Ahmed S, Uddin R, Siddiqui MU, Malekahmadi M, Al Mamun A，等。糖尿病患者的心血管疾病风险预测:来自孟加拉国一项匹配病例对照研究的事后分析J Diabetes Metab Disord 2021 Jun 15;20(1):417-425 [免费的全文] [CrossRef] [Medline］
    89. 周永强，李德芬，郭志刚，Rådholm K, Stepien S等。短信对冠心病患者抑郁的影响:来自text ME随机对照试验的亚研究分析BMJ公开赛2019年2月20日;9(2):e022637 [免费的全文] [CrossRef] [Medline］
    90. Dening J, George ES, Ball K, Islam SMS。成人2型糖尿病数字化膳食干预的用户中心开发:T2Diet研究Internet Interv 2022 Apr;28:100505 [免费的全文] [CrossRef] [Medline］
    91. 周ck, Ariyarathna N, Islam SMS, Thiagalingam A, Redfern J. m心血管健康保健。心肺循环2016 Aug;25(8):802-807。［CrossRef] [Medline］
    92. 赵颖，李s, Islam SMS, Kim SY。应用于移动医疗干预以改变低收入和中等收入国家行为的理论:系统综述。Telemed J E Health 2018 10月24日(10):727-741 [免费的全文] [CrossRef] [Medline］
    93. Islam SMS, Cartledge S, Karmakar C, Rawstorn JC, Fraser SF, Chow C，等。无袖腕戴式穿戴式血压监测仪在用户和医疗保健专业人员中的验证和可接受性:混合方法研究。JMIR Mhealth Uhealth 2019年9月14日;7(10):e14706 [免费的全文] [CrossRef] [Medline］

    ‎
    BG:血糖
    BGM:血糖监测
    CGM:连续血糖监测
    信息通信技术:信息与通信技术
    火星:手机应用评分量表
    质量:意味着app-specific得分
    健康:移动健康
    操作系统:操作系统
    T1DM:1型糖尿病
    2型糖尿病:2型糖尿病
    TTF:task-technology适合

    K Mizokami-Stout编辑;提交30.08.21;D Frost, M Grady的同行评议;对作者07.11.21的评论;修订版收到24.02.22;接受08.04.22;发表21.06.22

    版权

    ©Sheikh Mohammed Shariful Islam, Vinaytosh Mishra, Muhammad Umer Siddiqui, Jeban Chandir Moses, Sasan Adibi, Lemai Nguyen, Nilmini Wickramasinghe。最初发表在JMIR Diabetes (https://diabetes.www.mybigtv.com)， 21.06.2022。

    这是一篇开放获取的文章，根据创作共用署名许可协议(https://creativecommons.org/licenses/by/4.0/)发布，该协议允许在任何媒体上不受限制地使用、分发和复制，前提是必须正确引用最初发表在《JMIR Diabetes》上的原始作品。必须包括完整的书目信息，https://diabetes.www.mybigtv.com/上的原始出版物链接，以及版权和许可信息。
    Baidu
    map