Research landscape of diabetes mhealth technologies

Cover Page

Cite item

Full Text

Abstract

In recent years, more and more generic technologies have appeared, allowing one to find answers simultaneously along different dimensions, “fan” solutions for urgent and complex problems are synthesized and cumulative effects emerge. This article analyzes the potential of such technologies using the example of mobile health (mHealth), which provides rapid access to medical services even in the most remote regions, mitigating the inequalities between different segments of the population in this regard. The implementation of mobile health becomes especially important in the context of the rapid spread of chronic and autoimmune diseases, which strongly impact the quality and duration of life. Smart applications based on AI and virtual reality provide the opportunity to manage one’s health by combining patient self-monitoring with rapid consultations with medical staff. By doing so, risks are reduced and physiological and mental well-being is enhanced. This article conducts a large-scale literature review of diabetes management techniques through mobile technology to systematize and identify the most advanced solutions. For such innovations to maximize their impact, public health policies must be aligned with a digitalization strategy.

Full Text

Постоянное совершенствование цифровых технологий и их интеграция с разными видами деятельности создают колоссальный потенциал в повышении производительности многих секторов (Leung et al., 2017). Среди отраслей, прилагающих масштабные усилия по переходу к цифровизации, особое место принадлежит здравоохранению, в результате значительно повышается эффективность оказания медицинских услуг (Sharma et al., 2018). Расширяются возможности профилактической медицины, лечение становится более персонализированным и охватывает все слои населения, в том числе в удаленных районах (Ronquillo et al., 2022). Пациенты получают цифровые инструменты, помогающие им самостоятельно управлять проблемами, связанными со здоровьем (Ding et al., 2019). Для описания подобных тенденций введен термин «мобильное здравоохранение» (mHealth) (Kumar et al., 2013). Использование соответствующих технологий «стирает» фактор не только географического расстояния (Nahum-Shani et al., 2016), но и привязки ко времени (Stoyanov et al., 2015). Нательные устройства, оснащенные датчиками и передающие информацию в мобильные приложения на смартфонах, открывают новые перспективы мониторинга здоровья, оказывают значительное влияние на лечение хронических заболеваний, помогая контролировать ожирение, болезни сердца, диабет и др. (Silva et al., 2015). Исследования в этом направлении особенно актуальны с учетом прогнозов роста динамики диабета. По данным за 2021 г., его глобальная распространенность среди взрослого населения в возрасте 20−79 лет составила 9.3% (около 463 млн чел.). Прогнозируется , что к 2045 г. диабетом будут страдать 783.2 млн чел. населения в указанной возрастной категории (12.2%). Таким образом, число пациентов увеличится к 2030 г. на 25% по сравнению с текущим уровнем, а к 2045 г. – на 51%. Что касается глобальных расходов на здравоохранение по этому заболеванию, то в 2021 г. они оценивались в 966 млрд долл., а к 2045 г. сумма ожидается на уровне 1054 млрд долл. (IDF, 2021).

Исследовательский ландшафт в сфере мобильных технологий для лечения диабета быстро развивается, однако его комплексный анализ пока не осуществлялся. Восполнение данного пробела является целью статьи. Результаты представленного обзора могут стать информационной основой при планировании государственной политики в области здравоохранения. Нами выявлены релевантные исследовательские темы, поддержка которых повысит результативность инновационной деятельности в рассматриваемом направлении.

Методология

Исследование проводилось методом дистрибутивного анализа, с помощью которого выявляются значимые научные темы путем пословного сканирования публикаций по их названиям, авторским ключевым словам и ресурсу Keywords Plus1 (Zhang et al., 2010; Wang, Ho, 2016). Это дает ученым, предпринимателям и государственному сектору более полное представление о тематическом ландшафте и возможных траекториях развития для определения приоритетов научно-исследовательской деятельности. Мы использовали базу SCI Expanded, охватывающую свыше 9500 журналов по 182 тематическим категориям и включающую до 61 млн записей2. Рассматривался период с 1998 по 2021 г. (с учетом выхода новейшей на момент проведения исследования версии рейтинга — Journal Citation Report 20213). При поиске использовались релевантные термины, встречающиеся в журнальных статьях и схожих с ними по структуре научных публикациях иных жанров, связанные с диабетом и мобильными технологиями. Отфильтровывались документы, которые хотя и содержали упомянутые термины, но фокусировались на других темах (генетика, белки, мобильность, портативные устройства без мобильной или беспроводной связи, и др.). Релевантные ключевые слова и формула поискового запроса отражены на рис. 1.

 

Рис. 1. Диаграмма Венна, обобщающая термины из категорий Diabetes + mHealth, и результирующий запрос

 

За период с 1998 по 2021 г. в общей сложности получено 1848 публикаций. С помощью фильтра «первой страницы» (Wang, Ho, 2011) отсеивались нерелевантные работы. Из оставшихся 1668 статей (90% от исходной выборки) были вручную отобраны 1574, непосредственно фокусирующиеся на исследованиях в области Diabetes mHealth.

Сканировались названия публикаций и два вида ключевых слов (составляемые авторами, а также входящие в базу Keywords Plus). Перечисленные метаданные служат опорным источником для читателей, раскрывая самые релевантные детали по теме, смысловые акценты, выбранные направления исследований и авторские обоснования в пользу их актуальности (Mao et al., 2010; Fu et al., 2013). В целях получения более полной аналитической базы названия делились на отдельные слова и подвергались статистическому анализу. Всего в заголовках статей после фильтрации было обнаружено 3467 слов. Авторские ключевые слова и Keywords Рlus использовались в исходном виде, без дробления. На их основе выявлялись научные направления и исследовательские тренды, заслуживающие непрерывного мониторинга (Mao et al., 2010). Связующие слова (предлоги, союзы, местоимения, артикли и пр.) удалялись, поскольку не представляли исследовательской ценности.

Таким образом, размер выборки анализируемых авторских ключевых слов составил 3274 элемента. Из них только 419 встретились в трех и более работах, тогда как 322 появились в двух, и оставшиеся 2523 фигурировали лишь однажды. Подобный расклад, по-видимому, указывает, на широкий разброс исследовательских направлений и неоднородность тем. Что касается Keywords Plus, число релевантных элементов составило 2287.

В табл. A1 (см. Приложение) приведены топ-50 самых часто используемых терминов в названиях статей, авторских ключевых словах и Keywords Plus, ранжированных в зависимости от числа статей, где они встречаются, и их процентного отношения к общей выборке работ.

Дистрибутивный анализ позволил составить вспомогательные слова, с включением всех терминов, и уточнить содержание исследовательских тем (Mao et al., 2010; Fu et al., 2013; Wang, Ho, 2016). Для формулирования опорных слов использовались термины, фигурирующие три и более раз, как минимум в одном из выбранных нами аналитических измерений (названия статей, авторские ключевые слова и Keywords Plus). Этому критерию в общей сложности соответствовали 1876 слов4. Из терминов составлены вспомогательные слова как основа неавтоматизированного анализа, позволившего на завершающем этапе выявить релевантные темы исследовательских работ. Отдельные термины исключались из-за излишне широкого смыслового содержания. Наконец, релевантность каждой темы и ее вспомогательных слов обосновывалась заключением экспертов.

Результаты и обсуждение

Посредством дистрибутивного анализа с использованием вспомогательных слов осуществлены идентифицикация и ранжирование тем. Их суммарный массив (141) распределен по шести категориям: «Нарушения здоровья», «Технологии», «Приложения», «Глобальные перспективы», «Группы населения», «Медицинский персонал». Общее описание каждой категории кратко отражено в табл. 1, а ключевые слова — идентификаторы входящих в них исследовательских тем отражены в табл. 2. Первые три категории лидируют по количеству исследовательских тем (31, 29 и 27 соответственно). Остановимся на них подробнее в следующих подразделах.

 

Табл. 1. Содержание тематических категорий

Категория

Содержание

Проблемы со здоровьем

Диабетические осложнения и факторы риска, в устранении которых достигнут заметный прогресс благодаря применению технологий mHealth

Технологии

Высокотехнологичные решения, повышающие эффективность врачебного наблюдения за пациентами, самоконтроля со стороны последних, коммуникаций между сторонами и разработки терапевтических программ лечения

Приложения

Инновационные программные приложения mHealth для решения различных диабетических проблем, меняющие традиционные способы управления течением заболевания

Глобальные перспективы

Распространенность диабетических заболеваний, факторы риска, обусловленные спецификой конкретной страны (культура питания, образ жизни и др.), профилактические меры

Группы населения

Демографические факторы — возраст, гендер, география и др.

Медицинский персонал

Развитие профессиональных компетенций, способствующих прогрессу методов лечения диабета

Источник: составлено авторами.

 

Табл. 2. Распределение исследовательских тем по категориям

Категория

Ключевые слова для описания исследовательских тем

Проблемы со здоровьем

Type 2 Diabetes mellitus; Gestational diabetes mellitus; Cardiovascular disease; Type 1 diabetes mellitus; Chronic diseases; Coronary-heart-disease; Cancer; Non-communicable disease; Comorbid; Covid-19; Asthma; Chronic obstructive pulmonary disease; Multiple sclerosis; Diabetic retinopathy; Diabetic foot; Wound healing; Hypoglycemia; Diabetic peripheral neuropathy; Diabetic nephropathy; Ketoacidosis; Atrial fibrillation; Myocardial-infarction; Stroke; Obesity; Hypertension; Metabolic syndrome; Insulin resistance; Prediabetes; Hyperglycemia; Sedentary behavior; Smoking

Технологии

Smartphones; Mobile Apps; Sensors; Wearables; Text messaging; Machine learning; Internet; Artificial intelligence; Artificial pancreas; Medical devices; Big data; Internet of things (IoT); Biosensor; Smart contact lens; Web-based; Video games; Cloud computing; Fundus camera; Virtual reality; Calls; Tablet; Voice assistant; Blockchain; Electrocardiogram; Photoplethysmography; Glucometer; Infrared; thermography; Spectroscopy; 3D-Printing

Приложения

Glucose handling; Interventions; Patient monitoring; Diabetes self-care; Physical activity; Healthcare delivery; Medication adherence; Diabetes education; Usability evaluation; Behavior change; Treatment; Patient examination; Healthy lifestyle; Decision-support-systems; Food-intake; Diabetes prevention; Personalized medicine; Insulin delivery-system; Mental health; Weight control; Patient empowerment; Electronic health record; Social support; Health promotion; Blood-pressure control; Diabetes management; Health policy

Глобальные перспективы

Healthcare practice; Patients’ perspectives; Risk factors; Population; Prevalence; Primary care; Facilities; Mortality; Barriers; Public health; Pervasive healthcare; Survivors; Costs; Communities; Rural; Low-resource; Underserved; Urban; Socioeconomic; Developing countries; Digital divide; Ethnic-differences; Middle-income countries; Segmentation; Disability

Группы населения

Adults; Adolescents; Children; Older adults; Youth; Women; Men; China; India; Africa; United States; Bangladesh; Latin America; Arabia Saudi; Norway; Asia; Pakistan; United Kingdom; Europa; Australia; Brazil; Canada; Peru; Taiwan

Медицинский персонал

Physician; Nurse; Pediatrician; Student; Specialist

Источник: составлено авторами.

 

Каждая публикация из нашей выборки может охватывать несколько исследовательских тем. Например, статья с названием «Воздействие ежедневной физической активности на результаты контроля уровня глюкозы во время приема пищи среди пациентов с диабетом 1-го типа согласно данным наиболее распространенных нательных устройств» (“Impact of Daily Physical Activity as Measured by Commonly Available Wearables on Mealtime Glucose Control in Type 1 Diabetes”) учитывается одновременно в категориях: «Нарушения здоровья» (тема «Сахарный диабет 1-го типа»), «Технологии» («Нательные устройства») и «Приложения» (темы «Контроль за уровнем глюкозы», «Физическая активность» и «Режим питания»).

Категория 1. Нарушения здоровья. Содержит темы, отражающие вклад mHealth в лечение диабетических патологий и устранение факторов риска. В табл. A2 приведены темы в этой категории, распределенные по рангу и подкатегории. В топ-3 тем в подкатегории «Заболевания» входят сахарный диабет 1-го, 2-го и гестационного типов, а также сердечно-сосудистые и хронологические заболевания. Из «Диабетических осложнений» (324 статьи) чаще всего исследуются ретинопатия и синдром диабетической стопы, среди «Факторов риска» — ожирение. Наиболее активные исследования и выраженные тенденции прослеживаются в категории «Нарушения здоровья» (рис. 2).

 

Рис. 2. Основные темы исследований в категории «Проблемы здоровья» и тенденции их развития

 

Разные виды диабета имеют свою методику лечения, но в целом корректируются путем изменений в образе жизни и самостоятельного управления терапевтическим процессом. В последние годы динамично развиваются исследования возможностей цифровых платформ, оценка их результативности, а также способы текстовой коммуникации через приложения социальных сетей и по мобильной связи. Доказана высокая экономическая эффективность ведения пациентов с диабетом 2-го типа с помощью mHealth по сравнению с традиционными методиками (Li et al., 2021). Текстовая коммуникация через мессенджеры оперативно дает подсказки по самостоятельному контролю (этой теме посвящено 185 публикаций), благодаря чему состояние организма существенно улучшается (Alanzi et al., 2018; Middleton et al., 2021). Сложились предпосылки к появлению мобильных приложений для подсчета углеводов, основанных на распознавании изображений еды с помощью искусственного интеллекта (ИИ) (Alfonsi et al., 2020). Технология флеш-мониторинга продемонстрировала эффективность регуляции уровня глюкозы и управления качеством сна пациентов (Al Hayek, Al Dawish, 2020). Разработаны автоматизированные системы типа «искусственная поджелудочная железа», функционирующие по принципу «сделай сам» и основанные на цифровых моделях с открытым кодом для определения уровня инсулина (Ahmed et al., 2020).

Тема «Сердечно-сосудистые заболевания» (129 статей) охватывает исследования ряда основных факторов, увеличивающих риски упомянутых патологий как сопутствующих диабету: высокий уровень сахара в крови, сидячий образ жизни и избыточный вес. Цифровые средства играют важную роль в изменении поведенческих паттернов с целью снижения остроты сердечно-сосудистых проблем, связанных с указанными аспектами. Эффективное овладение ими требует соответствующего уровня технологических компетенций (Ernsting et al., 2019). Коммуникация посредством мобильных мессенджеров способствует лучшему пониманию рисков пациентами, повышает остроту рефлексии в их отношении (Nepper et al., 2019). Применение нательных устройств для отслеживания физической активности снижает угрозу сердечно-сосудистых осложнений (Cirilli et al., 2019). Диабет в контексте рассматриваемой тематики стал предметом внимания в 123 статьях. Многие мобильные решения применимы в борьбе не только с диабетом, но и с другими хроническими заболеваниями. Известен опыт использования масштабной платформы телемедицинских услуг для своевременного распознавания стадии их обострения (Omboni et al., 2021). Изучено отношение пациентов с разными хроническими проблемами к самостоятельному мониторингу параметров организма и реагированию на их изменения. Так, диабетики продемонстрировали большую готовность использовать подобные инструменты, чем астматики (Abbasi et al., 2020).

Тема «Диабетическая ретинопатия» (103 статьи) касается осложнений, связанных с глазами. Высокий интерес вызывают цифровые технологии ее скрининга, контроля и лечения. Разработана мобильная система оказания телемедицинских офтальмологических услуг по первичной диагностике ретинопатии, которую может использовать лечащий персонал без офтальмологического образования (Nunes et al., 2021). Оценена возможность установки на смартфонах специальной скрининговой камеры для сканирования сетчатки, с тем чтобы увеличить охват населения таким мониторингом (Malerbi et al., 2020). За счет передачи информации от датчиков к мобильным приложениям по принципу интернета вещей точность диагностики повышается до 99.58% (Jebaseeli et al., 2020).

Согласно публикациям, относящимся к теме «Ожирение» (101), увеличился спрос на программы, помогающие снизить вес, мобильные приложения, мессенджеры и ИИ-решения для осуществления иных вмешательств. На их основе разработаны мобильные устройства и чат-боты для корректировки пищевого поведения, регуляции уровня глюкозы и метаболизма липидов (Zhang et al., 2021; Stevens et al., 2019). Что касается гестационного диабета, которому посвящена 81 публикация, созданы мобильные приложения с умными алгоритмами, способствующие его оперативному выявлению и контролю. Подтверждена их польза для восстановления оптимального веса, перехода к здоровому образу жизни и профилактике диабета 2-го типа (Lim et al., 2021; Velardo et al., 2021).

Тема «Синдром диабетической стопы» охватывает 66 статей. Высокий уровень глюкозы может повредить нервы стопы, привести к потере чувствительности, появлению ран с последующим инфицированием и даже к ампутации. В целях снижения перечисленных рисков предлагаются программы мониторинга при помощи умных приборов, встраиваемых, например, в обувь и оповещающих обо всех необходимых показателях в режиме реального времени через мобильный телефон, позволяя своевременно обнаружить аномалии (Wang et al., 2021).

Категория 2. Технологии. В нее входят темы, посвященные технологиям лечения и мониторинга диабета (табл. A3, рис. 3). Топ-6 основных тем: «Смартфоны», «Мобильные приложения», «Датчики», «Нательные устройства», «Передача сообщений» и «Машинное обучение». Тема «Смартфоны» (494 статьи) фокусируется на разработках мобильных камер, осуществляющих сбор данных с последующей обработкой ИИ-алгоритмами, например, сканирования сетчатки глаз с целью распознавания ретинопатии (Jain et al., 2021). Оценена функциональность флуоресцентного микроскопа на базе смартфона с настраиваемыми оптофлюидными линзами и датчиками в определении уровня глюкозы (Song et al., 2021).

 

Рис. 3. Основные темы исследований в категории «Технологии» и тенденции их развития

 

Тема «Мобильные приложения» (400 работ) относится к программному обеспечению, разработанному для мобильных устройств (смартфоны, планшеты и нательные устройства с широким спектром функций, направленных на оказание медицинских услуг). Повышение эффективности лечения диабета видится в комбинировании возможностей умных устройств, ИИ и цифровых интерфейсов мобильных приложений. В частности, это касается телемедицинского регулирования инсулинотерапии, диеты и физической активности (Franc et al., 2020; Hernandez-Ordonez et al., 2020).

Тема «Датчики» (250 публикаций) раскрывает применение сенсорных устройств для слежения за показателями жизненно важных функций, физической активности, соблюдения режима приема лекарств и распознавания нетипичных состояний. Подчеркивается необходимость комбинирования разных сенсоров для получения данных неинвазивным способом с целью своевременного оповещения о рисках и ответов на них. Распознавание движений и поз помогает определить расход энергии организмом и скорректировать введение необходимых гормонов искусственной поджелудочной железой (Sawaryn et al., 2021). Встроенные в одежду датчики и алгоритмы ИИ, взаимодействующие по принципу интернета вещей, идентифицируют преддиабетическое состояние и диабет 2-го типа (Baig et al., 2021). Среди «Нательных устройств» (183 статьи) можно выделить разного рода специализированные мини-датчики. «Умные» носки с инфракрасной термографией и оснащенные сенсорами стельки позволяют контролировать температуру разных участков стопы, чтобы предотвратить кожные осложнения диабета (Torreblanca-González et al., 2021; Beach et al., 2021). В настоящее время тестируется эффективность встроенных в каппы биосенсоров, позволяющих определить содержание глюкозы в слюне. Если будет доказано точное совпадение с показателем сахара в крови, то появится более совершенное решение для неинвазивного мониторинга (Arakawa et al., 2020).

Работы по теме «Машинное обучение» (159) описывают алгоритмы распознавания и анализа закономерностей в больших массивах данных, увеличивающие результативность выполнения разных задач, включая диагностику, прогнозирование течения заболевания, разработку индивидуальных протоколов лечения. Расширяются возможности мониторинга диабетических осложнений с помощью текстовых данных, изображений и видеоматериалов. Пристальное внимание уделяется внедрению ИИ в цифровые платформы и умные устройства. Облачные алгоритмы глубокого обучения в сочетании с технологиями интернета вещей позволяют точнее идентифицировать уровень глюкозы (Nasser et al., 2021). Изучен потенциал комплексного моделирования на основе ИИ, синтезирующего данные о метаболизме, питании и образе жизни для оценки перспектив развития диабета 2-го типа. На его основе могут совершенствоваться инструменты самоконтроля, применяемые на мобильных устройствах (Stolfi, Castiglione, 2021). Предложен ИИ-алгоритм неинвазивного распознавания уровня глюкозы по видеозаписям отпечатков пальцев, снятых камерой смартфона, который преобразуется в сигнал фотоплетизмографии (Islam et al., 2021).

Наконец, тема «Передача текстовых сообщений» (127 статей) описывает коммуникацию через аналоговые или цифровые сети. Автоматическая генерация персонализированных сообщений напоминает пациентам о своевременном контроле уровня глюкозы, стимулирует к физической активности (Aguilera et al., 2020; Kundury et al., 2020).

Категория 3. Приложения. Охватывает темы, связанные с применением mHealth для восстановления здоровья. С развитием этой технологии изменяются способы контроля5 и лечения диабета (табл. A4). Основные направления исследования — отслеживание уровня глюкозы, вмешательства, самостоятельное управление стабилизацией физиологических состояний, физическая активность и оказание медицинской помощи (рис. 4). В 573 публикациях затрагиваются вопросы определения уровня глюкозы, его регулярного мониторинга и мер по оптимизации. Новейшие достижения предполагают неинвазивные альтернативы, обеспечивающие возможность измерения содержания сахара через потовые и слезные выделения. Продемонстрирована эффективность мобильного колориметрического нательного биосенсора, определяющего концентрацию глюкозы в потовых отделениях, который можно применять вместе с камерой смартфона для считывания сигнала (Vaquer et al., 2021). Предлагается также использовать многослойную модифицированную лакмусовую бумагу (Wang et al., 2018). Разработан метод прогнозирования уровня глюкозы после приема пищи на основе извлекаемой с помощью мобильного приложения информации об индивидуальных пищевых привычках и образе жизни (Pustozerov et al., 2020).

 

Рис. 4. Основные темы исследований в категории «Приложения» и тенденции их развития

 

Профилактическим и лечебным вмешательствам в отношении диабета посвящены 437 работ. Достигнут заметный прогресс в использовании мобильных технологий (смартфоны, приложения, интернет вещей и умные нательные устройства). Оценена эффективность нательных устройств, работающих по принципу интернета вещей, для корректировки образа жизни (Kato et al., 2020; Jiwani et al., 2021). Предметом охвата 351 публикации стал мониторинг состояния здоровья с учетом окружающей среды. Например, с помощью ИИ разработана архитектура, обеспечивающая совместимость умных аналитических устройств с датчиками мониторинга пациента (Rghioui et al., 2020).

Тема «Самоконтроль пациента» (319 статей) описывает ежедневные обязательные рутины, которые должны выполняться самостоятельно для поддержки оптимальных состояний. Результативность в этой области обеспечили цифровые платформы (мобильные приложения и др.) и их интеграция с нательными устройствами. Мобильные приложения рассматриваются как доступный ресурс самоконтроля пациентов, имеющих ограниченные возможности непосредственного контакта с медицинским персоналом (Luo, White-Means, 2021). Свыше 250 работ описывают достижения в области нательных устройств с инновационным дизайном и мобильных приложений, отслеживающих физическую активность. В контексте оказания медицинской помощи (211 статей) обсуждаются разные аспекты взаимодействия больных с медицинскими работниками: консультации, рекомендации, обследования, диагностирование, лечение, физиотерапевтические процедуры и т. д. Например, рассматриваются действенные коммуникационные стратегии, улучшающие качество консультаций по видеосвязи (Shaw et al., 2020).

Заключение

Мобильное здравоохранение находится на этапе бурного развития. Налажен динамичный поток возникающих возможностей для усовершенствования профилактики и своевременного принятия мер по улучшению здоровья, что ярко проявляется в отношении диабетических заболеваний и связанных с ними осложнений. Исследования в этом направлении имеют особую актуальность, учитывая прогнозы роста динамики диабета, согласно которым число пациентов каждые последующие 10–15 лет будет прирастать на 25% (IDF, 2021). Ожидается, что умные приложения на основе ИИ и виртуальной реальности создадут передовые решения, обеспечивающие новое качество жизни, снижение рисков и повышение физиологического благополучия.

В статье проведен масштабный анализ литературы за последние 25 лет, посвященной технологиям лечения диабета, с целью систематизации и выявления наиболее прогрессивных разработок и их связей с более широким контекстом. Определена в общей сложности 141 тема, сгруппированная в шесть категорий: «Нарушения здоровья», «Технологии», «Приложения», «Глобальные перспективы», «Группы населения» и «Медицинский персонал».

Пристальное внимание было уделено первым трем из перечисленных категорий, поскольку они охватывают наибольшее количество тем. Сквозь призму технологий Diabetes mHealth, которая предлагает всесторонний контроль над рассматриваемым заболеванием через мобильные устройства, были изучены проблемы: сахарный диабет 1-го, 2-го и гестационного типов, а также осложнения в виде сердечно-сосудистых и хронических заболеваний, сопутствующие этой болезни. Умные устройства с применением ИИ способствовали значительному прогрессу в выявлении, контроле и лечении диабета, позволяя оказывать медицинскую помощь повсеместно и в любое время. Основными технологиями, используемыми в направлении Diabetes mHealth, являются смартфоны и мобильные приложения. За ними по частоте упоминаний идут датчики, встроенные в нательные устройства, которые, работая по принципу интернета вещей, преобразуют физические сигналы в цифровой формат для дальнейшего анализа. Следующий уровень — носимые устройства, осуществляющие мониторинг здоровья и физической активности, а также текстовая коммуникация между медицинским персоналом и пациентами. Наконец, работа с большими данными с помощью ИИ позволяет выявлять закономерности и составлять прогнозы течения заболевания. На основе интернета вещей создаются системы, интегрирующие беспроводные приборы и нательные устройства для мониторинга и улучшения здоровья.

Используя мобильные технологии для дистанционного мониторинга в здравоохранении, следует учитывать их ограничения. При всех своих преимуществах они не могут предоставить информацию о состоянии здоровья пациента с такой детализацией, которая могла бы быть получена при очном осмотре. Кроме того, при взаимодействии в удаленном формате врач имеет неполное представление о факторах среды и условиях жизни пациентов, влияющих на их благополучие.

Технологии mHealth обеспечивают максимально возможный охват населения, достигая самых удаленных локаций, испытывающих нехватку медицинских работников, и тем самым сглаживают неравенство между разными слоями населения, социальными группами в доступе к качественным медицинским услугам. Для того чтобы добиться такого эффекта повсеместно, государственная политика в области здравоохранения должна согласовываться со стратегией цифровизации.

Исходя из представленного массива существующих знаний, последующие исследования должны фокусироваться на вопросах патентования технологических достижений по данному направлению, разработки политики и нормативных актов, а также этических аспектах в практике лечения хронических заболеваний. Представленные результаты могут служить основой при определении приоритетов научно-исследовательской деятельности и эффективной консолидации разнонаправленных интересов. В свою очередь комплексная картина направлений будущих исследований о вкладе умных технологий в устранение проблем диабета, его негативных социальных последствий закладывает стратегический фундамент дальнейшего роста отрасли.

Исследование получило финансовую поддержку со стороны Монтеррейского технологического института (Tecnologico de Monterrey) и Национального совета гуманитарных и прикладных наук и технологий Мексики (National Council of Humanities, Science and Technology of Mexico, CONAHCYT) в виде магистерских и академических стипендий, предоставляемых CONAHCYT от имени членов Национальной системы исследователей (Sistema Nacional de Investigadores). Авторы заявляют об отсутствии конфликта интересов.

 

ПРИЛОЖЕНИЯ

Табл. А1. Топ-50 часто встречающихся терминов в названиях статей, авторских ключевых словах и Keywords Plus

Слова в названии статьи

Число статей

R (%)

Авторские ключевые слова

Число статей

R (%)

Keywords Plus

Число статей

R (%)

diabetes

725

1 (46)

diabetes

238

1 (19)

care

205

1 (15)

mobile

347

2 (22)

mHealth

193

2 (15)

management

194

2 (14)

type

336

3 (21)

diabetes mellitus

132

3 (10)

glycemic control

171

3 (12)

patients

256

4 (16)

mobile health

127

4 (10)

adults

134

4 (10)

trial

244

5 (16)

telemedicine

122

5 (10)

health

124

5 (8.8)

health

237

6 (15)

self-management

98

6 (7.7)

risk

122

6 (8.7)

controlled

191

7 (12)

type 2 diabetes

91

7 (7.1)

intervention

120

7 (8.5)

glucose

173

8 (11)

smartphone

85

8 (6.7)

system

112

8 (7.9)

randomized

171

9 (11)

mobile phone

66

9 (5.2)

self-management

107

9 (7.6)

system

170

10 (11)

type 1 diabetes

61

10 (4.8)

physical-activity

93

10 (6.6)

intervention

142

11 (9)

ehealth

58

11 (4.5)

mellitus

92

11 (6.5)

care

137

12 (8.7)

physical activity

52

12 (4.1)

prevalence

90

12 (6.4)

monitoring

137

12 (8.7)

mobile applications

41

13 (3.2)

interventions

82

13 (5.8)

diabetic

129

14 (8.2)

machine learning

37

14 (2.9)

technology

82

13 (5.8)

management

128

15 (8.1)

type 2 diabetes mellitus

36

15 (2.8)

outcomes

78

15 (5.5)

app

117

16 (7.4)

digital health

35

16 (2.7)

metaanalysis

73

16 (5.2)

self-management

114

17 (7.2)

hypertension

33

17 (2.6)

support

72

17 (5.1)

mellitus

104

18 (6.6)

self-care

33

17 (2.6)

adherence

66

18 (4.7)

smartphone

104

18 (6.6)

telehealth

33

17 (2.6)

disease

66

18 (4.7)

support

100

20 (6.4)

obesity

32

20 (2.5)

impact

65

20 (4.6)

wearable

98

21 (6.2)

mobile apps

31

21 (2.4)

prevention

65

20 (4.6)

control

95

22 (6)

technology

31

21 (2.4)

people

64

22 (4.5)

adults

89

23 (5.7)

chronic disease

29

23 (2.3)

association

56

23 (4)

activity

78

24 (5)

e-health

27

24 (2.1)

validation

54

24 (3.8)

analysis

78

24 (5)

continuous glucose monitoring

26

25 (2)

children

53

25 (3.8)

phone

76

26 (4.8)

exercise

25

26 (2)

blood-glucose

51

26 (3.6)

protocol

76

26 (4.8)

glucose

25

26 (2)

glucose

51

26 (3.6)

technology

74

28 (4.7)

text messaging

25

26 (2)

adolescents

50

28 (3.5)

risk

72

29 (4.6)

artificial intelligence

24

29 (1.9)

education

48

29 (3.4)

mHealth

70

30 (4.4)

diabetic retinopathy

23

30 (1.8)

exercise

48

29 (3.4)

blood

68

31 (4.3)

internet

23

30 (1.8)

obesity

48

29 (3.4)

evaluation

67

32 (4.3)

primary care

23

30 (1.8)

internet

45

32 (3.2)

physical

63

33 (4)

gestational diabetes

22

33 (1.7)

program

43

33 (3)

development

62

34 (3.9)

internet of things

22

33 (1.7)

health-care

42

34 (3)

clinical

61

35 (3.9)

m-health

22

33 (1.7)

design

41

35 (2.9)

feasibility

58

36 (3.7)

randomized controlled trial

22

33 (1.7)

randomized controlled-trial

40

36 (2.8)

insulin

58

36 (3.7)

blood glucose

21

37 (1.6)

telemedicine

40

36 (2.8)

digital

57

38 (3.6)

qualitative research

21

37 (1.6)

efficacy

38

38 (2.7)

patient

57

38 (3.6)

gestational diabetes mellitus

20

39 (1.6)

hypoglycemia

37

39 (2.6)

people

57

38 (3.6)

mobile application

20

39 (1.6)

model

37

39 (2.6)

disease

55

41 (3.5)

sensors

20

39 (1.6)

mortality

37

39 (2.6)

randomised

55

41 (3.5)

type 2

20

39 (1.6)

therapy

37

39 (2.6)

apps

54

43 (3.4)

prevention

19

43 (1.5)

complications

35

43 (2.5)

improve

54

43 (3.4)

app

18

44 (1.4)

life-style intervention

35

43 (2.5)

assessment

53

45 (3.4)

hba1c

18

44 (1.4)

behavior

32

45 (2.3)

gestational

53

45 (3.4)

prediabetes

18

44 (1.4)

cardiovascular-disease

32

45 (2.3)

pilot

53

45 (3.4)

wearable sensors

18

44 (1.4)

quality-of-life

32

45 (2.3)

program

51

48 (3.2)

adherence

17

48 (1.3)

trial

32

45 (2.3)

detection

50

49 (3.2)

cellular phone

17

48 (1.3)

weight-loss

32

45 (2.3)

design

49

50 (3.1)

diabetes management

17

48 (1.3)

quality

31

50 (2.2)

Примечание: R — Ранжирование и доля статей, содержащих соответствующий термин, в общем числе статей (٪).

Источник: составлено авторами.

 

Табл. А2. Опорные слова для исследовательских тем в категории «Проблемы со здоровьем»

Ранг

Научная тема

Опорные слова из заголовка, авторских ключевых слов и Keywords Plus

Число статей

Подкатегория «Заболевания»

1

Диабет 2-го типа

diabetes mellitus type 2, “diabetes mellitus, type 2”, diabetes type 2, t2dm, type 2, type 2 diabetes, type 2 diabetes mellitus, type-2, type-2 diabetes mellitus, type-2 diabetes-mellitus

212

2

Диабет, связанный с беременностью

gestational, gestational diabetes, gestational diabetes mellitus, gestational diabetes-mellitus, gdm, antenatal care, neonatal, maternal, maternal health, pregnancy, pregnant, pregnant-women, postpartum, gestational weight-gain, maternal obesity

196

3

Сердечно-сосудистые заболевания

cardiovascular, cardiovascular disease, cardiovascular diseases, cardiovascular outcomes, cardiovascular risk factors, cardiovascular risk-factors, cardiovascular-disease, vasculature, heart-disease, heart-failure, heart-rate, heart-rate-variability, cardiac, cardiac rehabilitation, cardiometabolic

142

4

Диабет 1 типа

diabetes mellitus type 1, “diabetes mellitus, type 1”, iddm, type 1, type 1 diabetes, type 1 diabetes mellitus, type-1

120

5

Хронические заболевания

chronic, chronic conditions, long-term, chronic disease, chronic diseases, chronic disease management, chronic illness

120

6

Сердечно-сосудистые заболевания

coronary, coronary-heart-disease, artery

20

7

Рак

cancer

18

8

Неинфекционные заболевания

non-communicable, non-communicable disease, non-communicable diseases, noncommunicable diseases

18

9

Сопутствующие заболевания

comorbid, comorbid depression, comorbidity

13

10

Covid-19

covid-19, pandemic

13

11

Астма

asthma

5

12

ХОБЛ

copd

4

13

Рассеянный склероз

multiple sclerosis

3

Подкатегория «Диабетические осложнения»

1

Диабетическая ретинопатия

diabetic retinopathy, diabetic-retinopathy, retinal, retina, retinal images, retinal imaging, retinopathy, microvascular complications, ophthalmology, ophthalmoscopy, eye diseases, macular, macular edema, ocular, optical, optical coherence tomography, slit-lamp biomicroscopy, tele-ophthalmology, tele-ophthalmology, visual acuity, acuity, blindness, hyperacuity, edema

180

2

Синдром диабетической стопы

Diabetic foot, diabetic foot ulcer, diabetic foot ulcers, amputations, gait, foot, foot ulcers, ulcer, ulceration, ulcers, plantar, plantar pressures, thermal, thermography

134

3

Лечение язв

wound, wound healing, healing, wounds, infection, epidermal, skin, transdermal, chronic wounds, impairment, dressing

66

4

Гипогликемия

hypoglycemia, hypoglycaemia, severe hypoglycemia

65

5

Диабетическая периферическая нейропатия

diabetic peripheral neuropathy, neuropathy, nerve, joint, peripheral, pain

34

6

Диабетическая нефропатия

diabetic nephropathy, kidney, chronic kidney-disease

13

7

Кетоацидоз

ketoacidosis, acid

12

Подкатегория «Факторы риска»

1

Ожирение

obese, obese adults, obesity, overweight

144

2

Гипертензия

hypertension, hypertensive

95

3

Метаболический синдром

metabolic, metabolic health, metabolic syndrome, syndrome, metabolic-control, metabolism, metabolite

60

4

Инсулино-резистентность

insulin resistance, resistance, insulin sensitivity, insulin-resistance, cells, dna, beta-cell function

41

5

Преддиабетное состояние

pre-diabetes, prediabetes

40

6

Гипергликемия

hyperglycemia

30

7

Малоподвижный образ жизни

sedentary, sedentary behavior, sitting

18

8

Курение

smoking, smoking-cessation

9

Подкатегория «Осложнения»

1

Мерцательная аритмия

atrial, atrial fibrillation, atrial-fibrillation, fibrillation

26

2

Инфаркт миокарда

acute, acute myocardial-infarction, myocardial-infarction, infarction, ischemia

17

3

Инсульт

stroke

16

Примечание: Общая сумма складывается из числа статей, в которых каждое опорное слово встречается в заголовках статей, авторских ключевых словах авторов и Keywords Plus.

Источник: составлено авторами.

 

Табл. А3. Опорные слова для исследовательских тем в категории «Технологии mHealth для лечения диабета»

Ранг

Научная тема

Опорные слова из заголовка, авторских ключевых слов и Keywords Plus

Число статей

1

Смартфоны

cell, cell phone, cell phones, cell-phone, cellphone, cellular, cellular phone, cellular phone, smartphone, smartphone-based, smartphone-powered, smartphone-enabled, smartphones, phone, phone-based, phones, telephone, mobile phone, mobile phone technology, mobile phones, radiation, photography

594

2

Мобильные приложения

app, app-based, apps, health apps, mobile app, mobile application, mobile applications, mobile apps, mobile health applications, mobile phone applications, phone applications, smartphone app, smartphone application, smartphone application (app), smartphone applications, smartphone apps, application, applications, apple, android, diabetes apps

440

3

Датчики

sensing, sensing technology, sensitive, sensitivity, sensor, sensor-based, sensors, wearable sensor, wearable sensors, electrochemical, electromagnetic, energy harvesting, magnetic, calibration, self-powered, remote sensing technology, glucose sensor, optical sensors, wireless sensor networks, temperature sensors, accelerometer, accelerometers, accelerometry

269

4

Носимые устройства

wearable, wearable computing, wearable device, wearable devices, wearable electronic devices, wearable electronics, wearable system, wearable technology, wearables, portable, wristband

188

5

Текстовые сообщения

message, message-based, messages, messaging, messaging system, short message service, short-message service, sms, text message, text messages, text messaging, text-med, text-messaging, chat

171

6

Машинное обучение

machine learning, deep learning, pattern recognition, patterns, algorithm, algorithms, mpc, artificial neural networks, neural networks, convolutional, convolutional neural network, classification, classifier

165

7

Интернет

internet, internet use, internet-based, net, network, networks, wireless, wireless communication, architecture

162

8

Искусственный интеллект

artificial intelligence, ai, reinforcement learning, offline, ontology, taxonomy, online, computer vision, computational modeling, computer, computer-based, computerized, simulation, image processing, image-based, images, imaging

153

9

Искусственная поджелудочная железа

artificial pancreas, bionic pancreas, artificial, pancreas, implantable

103

10

Медицинские устройства

device, devices, medical devices

101

11

Большие данные

big data, big, data mining, data models, data-driven, information, information-seeking, search

91

12

Интернет вещей

internet of things, internet of things (iot), iot, iot-based, things

75

13

Биосенсоры

biosensing, biosensor, biosensors, mouthguard biosensor, optical biosensor

65

14

Умные контактные линзы

lens, lenses, contact, smart, tear glucose

65

15

Онлайн-формат

web, web-based, patient portal, portal, content

57

16

Видеоигры

video games, video, videos, game, games

27

17

Облачные вычисления

cloud, cloud computing, cloud-based

24

18

Эндоскопия

fundus, fundus photography, retinal camera

20

19

Виртуальная реальность

virtual, augmented

16

20

Телефонная связь

call, calls, automated calls

13

21

Планшеты

tablet, tablet-based, screen

11

22

Голосовой помощник

voice, assistant, assisted

11

23

Блокчейн

Blockchain

10

24

Электро-кардиография

electrocardiogram, ecg

10

25

Фотоплетизмо-графия

Photoplethysmography

9

26

Глюкометр

Glucometer

7

27

Инфракрасная термография

infrared thermography

6

28

Спектроскопия

spectroscopy, near-infrared

6

29

Трехмерная печать

3d-printed

4

Примечание: Общая сумма складывается из числа статей, в которых каждое опорное слово встречается в заголовках статей, авторских ключевых словах авторов и Keywords Plus.

Источник: составлено авторами.

 

Табл. А4. Темы исследований приложений mHealth для лечения диабета и ключевые слова для их обоснования

Научная тема

Опорные слова из заголовка, авторских ключевых слов и Keywords Plus

Число статей

Контроль уровня глюкозы

glucose, glucose control, glucose detection, glucose oxidase, glucose-tolerance, impaired glucose-tolerance, loop glucose control, overnight glucose control, sugar, glycaemia, glycaemic, glycaemic control, glycemic, glycemic control, glycemic index, blood glucose, ambulatory glucose profile, blood glucose monitoring, blood glucose self-monitoring, blood-glucose, blood-glucose control, self-monitoring of blood glucose, plasma-glucose, hba, hba(1c), hba1c, 1c, a1c, fasting, hemoglobin, glycosylated haemoglobin, glycated hemoglobin a1c, biomarker, biomarkers, strip, basal, postprandial, ppg

755

Вмешательства

intervention, interventions, complex intervention, complex interventions, life-style intervention, life-style interventions, lifestyle intervention, multifactorial intervention, motivational interviewing, emid

443

Мониторинг пациентов

health monitoring, monitor, monitored, monitoring, monitoring-system, monitors, follow-up, patient monitoring, remote monitoring, home health monitoring, home-based, home-use, telemonitoring, tracker, trackers, tracking, biomedical monitoring, self-monitoring, self-tracking, continuous glucose monitoring, continuous glucose monitoring (cgm), cgm, glucose monitoring, glucose monitoring-system, patch, non-invasive, noninvasive, invasive

434

Самоконтроль при диабете

diabetes self-management, self-management, self-management support, self care, self-care

401

Физическая активность

exercise, aerobic exercise, activation, activity recognition, activity tracker, fitness, motor activity, physical, physical activity, physical-activity, cardiorespiratory fitness, free-living, free-living conditions, walking, energy expenditure, energy-expenditure

388

Доступ к услугам здравоохранения

telemedical, telemedicine, telemedicine system, remote consultation, medical services, interactions, interactive, interactive diary, providers, delivery of health care

252

Прием лекарств

adherence, improve adherence, medication adherence, medication, patient compliance, compliance, nonadherence, reminder, reminder system, reminders, medicine

251

Повышение уровня знаний о диабете

diabetes education, education, educational, health education, health literacy, literacy, management education, patient education, self-management education, training, coaching, retention, awareness, health coaching, learned, lessons

246

Оценка полезности

usability, usability evaluation, usage, usefulness, utility, utilization, utilizing, efficient, user, users, user acceptance, user centered design, user-centered, user-centered design, profile, profiles, performance, heuristic, heuristic evaluation, evaluation studies, experience, experienced, experiences

245

Изменение поведения

behavior, behavior change, behavior modification, behavior-change, behavior-change techniques, behavioral, behavioral medicine, behaviors, behaviour, behaviour change, behavioural, health behavior, intention, self-efficacy, change, changes, readiness

245

Лечение

therapy, therapeutic, counseling, counselling, acceptability, acceptance, acceptance and commitment therapy, intensive, treat, treated, treatment, guidance, guidelines, recommendation, recommendations, recommender system, position statement, adoption, rehabilitation, clinical-practice guidelines

242

Диагностика пациентов

diagnosed, diagnosis, diagnostic, diagnostics, disease diagnosis, detect, detection, simultaneous, examining, newly, exploratory, exploring, screening, recognition, determinants, determination, determine, evaluate, evaluating, indicators

234

Здоровый образ жизни

life, life-style, lifestyle, lifestyle modification, lifestyles, health-related quality of life, healthy, healthy lifestyle, quality, quality of life, quality-of-life

225

Системы поддержки принятия решений

decision, decision support, decision-support, decision support systems, decision-support-systems, decision-making, support, supporting, clinical decision support, clinical decision support system

222

Прием пищи

diet, diet monitoring, dietary, bolus, bolus calculator, calculation, calculator, counting, carbohydrate, carbohydrate counting, disorder, disorders, eating, energy-efficient, energy-intake, food, food-intake, food recognition, intake, meal, mealtime, ersonalized, nutrition, nutrition assessment, nutritional, protein

219

Профилактика диабета

diabetes prevention, prevent, prevention, prevention program, preventive, preventive medicine, primary prevention, perceived, perception, perceptions, secondary, secondary prevention

213

Персонализированная медицина

personal, personalized, personalization, personalized, personalized medicine, tailored, precision, precision medicine, predict, predicting, prediction, predictive, predictive models, predictive-validity, predictors, model-predictive control, prognosis, prospective

168

Система обеспечения инсулином

insulin delivery, insulin delivery-system, automated insulin delivery, insulin injections, multiple daily injections, insulin pump, insulin pump therapy, loop insulin delivery, insulin-treated, intensive insulin therapy, insulin therapy, insulin, titration, pump, pump therapy

166

Психическое здоровье

distress, anxiety, psychological, psychological distress, psychosocial, depression, depressive, phq-9, mindfulness, rationale, balance, mental, mental health, mental-health, cognitive, cognitive-behavior therapy, stress, sleep, night, nocturnal

159

Контроль массы тела

weight, weight loss, weight management, weight-gain, weight-loss, weight-loss interventions, body, body composition, body weight, body-mass index, waist circumference, gain

146

Работа с пациентами

patient engagement, patient empowerment, patient participation, patient satisfaction, patient-centered, patient-centered care, satisfaction, self-efficacy, treatment satisfaction, motivation, encourage, nudge, empowerment, empowerment scale, do-it-yourself, self-reported, engage, engagement

132

Электронный мониторинг состояния здоровья

electronic health record, electronic health records, electronic medical record, health records, health information, record, records, patient-generated, patient-generated data, patient-generated health data, sharing, documentation, personal health record, personal health records, phr, history, interoperability, electronic

115

Социальная поддержка

social support, social, social media, media, culturally, context, focus, focus groups, family, group, groups, help, peer, peer support, peer support

110

Медицинское консультирование, ЗОЖ-образование

health communication, health promotion, promote, promoting, promotion, communication, dissemination

78

Контроль кровяного давления

blood pressure, blood-pressure, blood-pressure control, pressure

64

Управление течением диабетических заболеваний

diabetes management, care management, disease management, health management, management-system, managing, control 1st

61

Политика в области здравоохранения

health policy, standard, financial incentives, incentives, privacy, willingness, willingness-to-pay

29

Примечание: Общая сумма складывается из числа статей, в которых каждое опорное слово встречается в заголовках статей, авторских ключевых словах авторов и keywords plus.

Источник: составлено авторами.

 

1 Keywords Plus (ресурс Web of Science) предлагает дополнительные поисковые запросы, сформулированные с использованием слов или фраз, извлеченных авторами из названий цитируемых статей (Mao et al., 2010).

2 https://clarivate.com/products/scientific-and-academic-research/research-discovery-and-workflow-solutions/web-of-science/web-of-science-core-collection/science-citation-index-expanded/, дата обращения 05.04.2023.

3 https://clarivate.com/blog/the-2021-journal-citation-reports-a-continuing-evolution-in-journal-intelligence/, дата обращения 05.07.2022.

4 939 из названий статей, 419 из авторских ключевых слов и 516 из Keywords Plus.

5 Основным фактором мониторинга с помощью приложений, связанных с диабетом, выступают: питание, вес, физическая активность, уровень глюкозы в крови, кровяное давление, режим сна, медикаменты, самочувствие, уровень стресса и др. (Keller et al., 2022).

×

About the authors

Pedro F. Castillo-Valdez

Tecnologico de Monterrey

Author for correspondence.
Email: a01318528@tec.mx

Research Assistant

Mexico, Av. Eugenio Garza Sada 2501, Col. Tecnologico, Monterrey, N.L., C.P. 64849

Marisela Rodriguez-Salvador

Tecnologico de Monterrey

Email: marisrod@tec.mx

Professor

Mexico, Av. Eugenio Garza Sada 2501, Col. Tecnologico, Monterrey, N.L., C.P. 64849

Yuh-Shan Ho

Trend Research Centre, Asia University

Email: ysho@asia.edu.tw

Professor

Taiwan, Province of China, No. 500, Lioufeng Road, Wufeng, Taichung 41354

References

  1. Abbasi R., Zare S., Ahmadian L. (2020) Investigating the attitude of patients with chronic diseases about using mobile health. International Journal of Technology Assessment in Health Care, 36(2), 139–144. https://doi.org/10.1017/S0266462320000070
  2. Aguilera A., Figueroa C.A., Hernandez-Ramos R., Sarkar U., Cemballi A., Gomez-Pathak L., Miramontes J., Yom-Tov E., Chakraborty B., Yan X., Xu J., Modiri A., Aggarwal J., Jay Williams J., Lyles C. R. (2020) mHealth app using machine learning to increase physical activity in diabetes and depression: clinical trial protocol for the DIAMANTE Study. BMJ Open, 10(8), e034723. https://doi.org/10.1136/bmjopen-2019-034723
  3. Ahmed S.H., Ewins D.L., Bridges J., Timmis A., Payne N., Mooney C., MacGregor C. (2020) Do-It-Yourself (DIY) Artificial Pancreas Systems for Type 1 Diabetes: Perspectives of Two Adult Users, Parent of a User and Healthcare Professionals. Advances in Therapy, 37(9), 3929–3941. https://doi.org/10.1007/s12325-020-01431-w
  4. Al Hayek A.A., Al Dawish M.A. (2020) Assessing Diabetes Distress and Sleep Quality in Young Adults with Type 1 Diabetes Using FreeStyle Libre: A Prospective Cohort Study. Diabetes Therapy, 11(7), 1551–1562. https://doi.org/10.1007/s13300-020-00849-3
  5. Alanzi T., Bah S., Alzahrani S., Alshammari S., Almunsef F. (2018) Evaluation of a mobile social networking application for improving diabetes Type 2 knowledge: An intervention study using WhatsApp. Journal of Comparative Effectiveness Research, 7(9), 891–899. https://doi.org/10.2217/cer-2018-0028
  6. Alfonsi J.E., Choi E.E.Y., Arshad T., Sammott S.S., Pais V., Nguyen C., Maguire B.R., Stinson J.N., Palmert M.R. (2020) Carbohydrate Counting App Using Image Recognition for Youth with Type 1 Diabetes: Pilot Randomized Control Trial. JMIR Mhealth and Uhealth, 8(10), e22074. https://doi.org/10.2196/22074
  7. Arakawa T., Tomoto K., Nitta H., Toma K., Takeuchi S., Sekita T., Minakuchi S., Mitsubayashi K. (2020) A Wearable Cellulose Acetate-Coated Mouthguard Biosensor for In Vivo Salivary Glucose Measurement. Analytical Chemistry, 92(18), 12201–12207. https://doi.org/10.1021/acs.analchem.0c01201
  8. Baig M.M., GholamHosseini H., Gutierrez J., Ullah E., Lindén M. (2021) Early Detection of Prediabetes and T2DM Using Wearable Sensors and Internet-of-Things-Based Monitoring Applications. Applied Clinical Informatics, 12(1), 1–9. https://doi.org/10.1055/s-0040-1719043
  9. Beach C., Cooper G., Weightman A., Hodson-Tole E.F., Reeves N.D., Casson A.J. (2021) Monitoring of Dynamic Plantar Foot Temperatures in Diabetes with Personalised 3D-Printed Wearables. Sensors, 21(5), 1717. https://doi.org/10.3390/s21051717
  10. Cirilli I., Silvestri S., Marcheggiani F., Olivieri F., Galeazzi R., Antonicelli R., Recchioni R., Marcheselli F., Bacchetti T., Tiano L., Orlando P. (2019) Three Months Monitored Metabolic Fitness Modulates Cardiovascular Risk Factors in Diabetic Patients. Diabetes & Metabolism Journal, 43(6), 893–897. https://doi.org/10.4093/dmj.2018.0254
  11. Ding H., Fatehi F., Maiorana A., Bashi N., Hu W., Edwards I. (2019) Digital health for COPD care: The current state of play. Journal of Thoracic Disease, 11, S2210–S2220. https://doi.org/10.21037/jtd.2019.10.17
  12. Ernsting C., Stühmann L.M., Dombrowski S.U., Voigt-Antons J.N., Kuhlmey A., Gellert P. (2019) Associations of Health App Use and Perceived Effectiveness in People with Cardiovascular Diseases and Diabetes: Population-Based Survey. JMIR Mhealth and Uhealth, 7(3), e12179. https://doi.org/10.2196/12179
  13. Franc S., Hanaire H., Benhamou P. Y., Schaepelynck P., Catargi B., Farret A., Fontaine P., Guerci B., Reznik Y., Jeandidier N., Penfornis A., Borot S., Chaillous L., Serusclat P., Kherbachi Y., D’Orsay G., Detournay B., Simon P., Charpentier G. (2020) DIABEO System Combining a Mobile App Software with and without Telemonitoring versus Standard Care: A Randomized Controlled Trial in Diabetic Patients Poorly Controlled with a Basal-Bolus Insulin Regimen. Diabetes Technology & Therapeutics, 22(12), 904–911. https://doi.org/10.1089/dia.2020.0021
  14. Fu H.Z., Wang M.H., Ho Y.S. (2013) Mapping of drinking water research: A bibliometric analysis of research output during 1992–2011. Science of the Total Environment, 443, 757–765. https://doi.org/10.1016/j.scitotenv.2012.11.061
  15. IDF (2021) IDF Diabetes Atlas 2021 (10th ed.), Brussels: International Diabetes Federation. Retrieved from https://diabetesatlas.org/atlas/tenth-edition/, accessed 08.03.2023.
  16. Islam T.T., Ahmed M.S., Hassanuzzaman M., Bin Amir S.A., Rahman T. (2021) Blood Glucose Level Regression for Smartphone PPG Signals Using Machine Learning. Applied Sciences, 11(2), 618. https://doi.org/10.3390/app11020618
  17. Jain A., Krishnan R., Rogye A., Natarajan S. (2021) Use of offline artificial intelligence in a smartphone-based fundus camera for community screening of diabetic retinopathy. Indian Journal of Ophthalmology, 69(11), 3150–3154. https://doi.org/10.4103/ijo.IJO_3808_20
  18. Jebaseeli T.J., Durai C.A., Peter J.D. (2020) IOT based sustainable diabetic retinopathy diagnosis system. Sustainable Computing: Informatics & Systems, 28 (2020), 100272. https://doi.org/10.1016/J.SUSCOM.2018.08.004
  19. Jiwani R., Dennis B., Bess C., Monk S., Meyer K., Wang J., Espinoza S. (2021) Assessing acceptability and patient experience of a behavioral lifestyle intervention using fitbit technology in older adults to manage type 2 diabetes amid COVID-19 pandemic: A focus group study. Geriatric Nursing, 42 (2020), 57–64. https://doi.org/10.1016/j.gerinurse.2020.11.007
  20. Kato S., Ando M., Honda H., Yoshida Y., Imaizumi T., Yamamoto N., Maruyama S. (2020) Effectiveness of Lifestyle Intervention Using the Internet of Things System for Individuals with Early Type 2 Diabetes Mellitus. Internal Medicine, 59(1), 45–53. https://doi.org/10.2169/internalmedicine.3150-19
  21. Keller R., Hartmann S., Teepe G.W., Lohse K.M., Alattas A., Tudor Car L., Müller-Riemenschneider F., von Wangenheim F., Mair J.L., Kowatsch T. (2022) Digital Behavior Change Interventions for the Prevention and Management of Type 2 Diabetes: Systematic Market Analysis. Journal of Medical Internet Research, 24(1), e33348. https://doi.org/10.2196/33348
  22. Kumar S., Nilsen W.J., Abernethy A., Atienza A., Patrick K., Pavel M., Swendeman D. (2013) Mobile Health Technology Evaluation. American Journal of Preventive Medicine, 45(2), 228–236. https://doi.org/10.1016/j.amepre.2013.03.017
  23. Leung T.I., Goldstein M.K., Musen M.A., Cronkite R., Chen J.H., Gottlieb A., Leitersdorf E. (2017) The new HIT: Human health information technology. Studies in Health Technology and Informatics, MEDINFO: Precision Healthcare through Informatics, 245, 768–772. https://doi.org/10.3233/978-1-61499-830-3-768
  24. Li J., Sun L., Hou Y., Chen L. (2021) Cost-Effectiveness Analysis of a Mobile-Based Intervention for Patients with Type 2 Diabetes Mellitus. International Journal of Endocrinology, 2021, 8827629. https://doi.org/10.1155/2021/8827629
  25. Lim K., Chan S.Y., Lim S.L., Tai B.C., Tsai C., Wong S.R., Ang S.M., Yew T.W., Tai E.S., Yong E.L. (2021) A Smartphone App to Restore Optimal Weight (SPAROW) in Women With Recent Gestational Diabetes Mellitus: Randomized Controlled Trial. JMIR Mhealth and Uhealth, 9(3), e22147. https://doi.org/10.2196/22147
  26. Luo J., White-Means S. (2021) Evaluating the Potential Use of Smartphone Apps for Diabetes Self-Management in an Underserved Population: A Qualitative Approach. International Journal of Environmental Research and Public Health, 18(18), 9886. https://doi.org/10.3390/ijerph18189886
  27. Malerbi F.K., Dal Fabbro A.L., Vieira P.B., Franco L.J. (2020) The feasibility of smartphone based retinal photography for diabetic retinopathy screening among Brazilian Xavante Indians. Diabetes Research and Clinical Practice, 168, 108380. https://doi.org/10.1016/j.diabres.2020.108380
  28. Mao N., Wang M.H., Ho Y.S. (2010) A bibliometric study of the trend in articles related to risk assessment published in Science Citation Index. Human and Ecological Risk Assessment, 16(4), 801–824. https://doi.org/10.1080/10807039.2010.501248
  29. Middleton T., Constantino M., McGill M., D’Souza M., Twigg S.M., Wu T., Thiagalingam A., Chow C., Wong J. (2021) An Enhanced SMS Text Message-Based Support and Reminder Program for Young Adults with Type 2 Diabetes (TEXT2U): Randomized Controlled Trial. Journal of Medical Internet Research, 23(10), e27263. https://doi.org/10.2196/27263
  30. Nahum-Shani I., Smith S.N., Spring B.J., Collins L.M., Witkiewitz K., Tewari A., Murphy S.A. (2016) Just-in-Time Adaptive Interventions (JITAIs) in Mobile Health: Key Components and Design Principles for Ongoing Health Behavior Support. Annals of Behavioral Medicine, 52(6), 446–462. https://doi.org/10.1007/s12160-016-9830-8
  31. Nasser A.R., Hasan A.M., Humaidi A.J., Alkhayyat A., Alzubaidi L., Fadhel M.A., Santamaría J., Duan Y. (2021) IoT and Cloud Computing in Health-Care: A New Wearable Device and Cloud-Based Deep Learning Algorithm for Monitoring of Diabetes. Electronics, 10(21), 2719. https://doi.org/10.3390/electronics10212719
  32. Nepper M.J., McAtee J.R., Wheeler L., Chai W. (2019) Mobile Phone Text Message Intervention on Diabetes Self-Care Activities, Cardiovascular Disease Risk Awareness, and Food Choices among Type 2 Diabetes Patients. Nutrients, 11(6), 1314. https://doi.org/10.3390/nu11061314
  33. Nunes F., Madureira P., Rego S., Braga C., Moutinho R., Oliveira T., Soares F. (2021) A Mobile Tele-Ophthalmology System for Planned and Opportunistic Screening of Diabetic Retinopathy in Primary Care. IEEE Access, 9, 83740–83750. https://doi.org/10.1109/ACCESS.2021.3085404
  34. Omboni S., Ballatore T., Rizzi F., Tomassini F., Panzeri E., Campolo L. (2021) Telehealth at scale can improve chronic disease management in the community during a pandemic: An experience at the time of COVID-19. PLoS ONE, 16(9), e0258015. https://doi.org/10.1371/journal.pone.0258015
  35. Pustozerov E.A., Tkachuk A., Vasukova E.A., Anopova A.D., Kokina M.A., Gorelova I.V., Pervunina T.M., Grineva E.N., Popova P.V. (2020) Machine Learning Approach for Postprandial Blood Glucose Prediction in Gestational Diabetes Mellitus. IEEE Access, 8, 219308–219321. https://doi.org/10.1109/ACCESS.2020.3042483
  36. Rghioui A., Lloret J., Sendra S., Oumnad A. (2020) A Smart Architecture for Diabetic Patient Monitoring Using Machine Learning Algorithms. Healthcare, 8(3), 348. https://doi.org/10.3390/healthcare8030348
  37. Ronquillo Y., Meyers A., Korvek S.J. (2022) Digital Health, Treasure Island, FL: StatPearls Publishing.
  38. Sawaryn B., Klaassen M., van Beijnum B.J., Zwart H., Veltink P.H. (2021) Identification of Movements and Postures Using Wearable Sensors for Implementation in a Bi-Hormonal Artificial Pancreas System. Sensors, 21(17), 5954. https://doi.org/10.3390/s21175954
  39. Sharma A., Harrington R.A., McClellan M.B., Turakhia M.P., Eapen Z.J., Steinhubl S., Peterson E.D. (2018) Using digital health technology to better generate evidence and deliver evidence-based care. Journal of the American College of Cardiology, 71(23), 2680–2690. https://doi.org/10.1016/j.jacc.2018.03.523
  40. Shaw S.E., Seuren L.M., Wherton J., Cameron D., A’Court C., Vijayaraghavan S., Morris J., Bhattacharya S., Greenhalgh T. (2020) Video Consultations between Patients and Clinicians in Diabetes, Cancer, and Heart Failure Services: Linguistic Ethnographic Study of Video-Mediated Interaction. Journal of Medical Internet Research, 22(5), e18378. https://doi.org/10.2196/18378
  41. Silva B.M.C., Rodrigues J.J.P.C., de la Torre Díez I., López-Coronado M., Saleem K. (2015) Mobile-health: A review of current state in 2015. Journal of Biomedical Informatics, 56, 265–272. https://doi.org/10.1016/j.jbi.2015.06.003
  42. Song C., Yang Y., Tu X., Chen Z., Gong J., Lin C. (2021) A Smartphone-Based Fluorescence Microscope with Hydraulically Driven Optofluidic Lens for Quantification of Glucose. IEEE Sensors Journal, 21(2), 1229–1235. https://doi.org/10.1109/JSEN.2020.3019889
  43. Stolfi P., Castiglione F. (2021) Emulating complex simulations by machine learning methods. BMC Bioinformatics, 22(S14), 483. https://doi.org/10.1186/s12859-021-04354-7
  44. Stoyanov S.R., Hides L., Kavanagh D.J., Zelenko O., Tjondronegoro D., Mani M. (2015) Mobile app rating scale: A new tool for assessing the quality of health mobile apps. JMIR mHealth and uHealth, 3(1), e27. https://doi.org/10.2196/mhealth.3422
  45. Torreblanca-González J., Gómez-Martín B., Hernández Encinas A., Martín-Vaquero J., Queiruga-Dios A., Martínez-Nova A. (2021) The Use of Infrared Thermography to Develop and Assess a Wearable Sock and Monitor Foot Temperature in Diabetic Subjects. Sensors, 21(5), 1821. https://doi.org/10.3390/s21051821
  46. Vaquer A., Baron E., de la Rica R. (2021) Detection of low glucose levels in sweat with colorimetric wearable biosensors. Analyst, 146, 3273. https://doi.org/10.1039/D1AN00283J
  47. Velardo C., Clifton D., Hamblin S., Khan R., Tarassenko L., Mackillop L. (2021) Toward a Multivariate Prediction Model of Pharmacological Treatment for Women with Gestational Diabetes Mellitus: Algorithm Development and Validation. Journal of Medical Internet Research, 23(3), e21435. https://doi.org/10.2196/21435
  48. Wang M.H., Ho Y.S. (2011) Research articles and publication trends in environmental sciences from 1998 to 2009. Archives of Environmental Science, 5, 1–10.
  49. Wang C.C., Ho Y.S. (2016) Research trend of metal-organic frameworks: A bibliometric analysis. Scientometrics, 109 (1), 481–513. https://doi.org/10.1007/s11192-016-1986-2
  50. Wang D., Ouyang J., Zhou P., Yan J., Shu L., Xu X. (2021) A Novel Low-Cost Wireless Footwear System for Monitoring Diabetic Foot Patients. IEEE Transactions on Biomedical Circuits and Systems, 15(1), 43–54. https://doi.org/10.1109/TBCAS.2020.3043538
  51. Wang X., Li F., Cai Z., Liu K., Li J., Zhang B., He J. (2018) Sensitive colorimetric assay for uric acid and glucose detection based on multilayer-modified paper with smartphone as signal readout. Analytical and Bioanalytical Chemistry, 410(10), 2647–2655. https://doi.org/10.1007/s00216-018-0939-4
  52. Zamanillo-Campos R., Serrano-Ripoll M.J., Taltavull-Aparicio J.M., Gervilla-García E., Ripoll J., Fiol-deRoque M.A., Boylan A.M., Ricci-Cabello I. (2022) Patients’ Views on the Design of DiabeText, a New mHealth Intervention to Improve Adherence to Oral Antidiabetes Medication in Spain: A Qualitative Study. International Journal of Environmental Research and Public Health, 19, 1902. https://doi.org/10.3390/ijerph19031902
  53. Zhang G.F., Xie S.D., Ho Y.S. (2010) A bibliometric analysis of world volatile organic compounds research trends. Scientometrics, 83 (2), 477–492. https://doi.org/10.1007/s11192-009-0065-3
  54. Zhang Y., Guo X., Zhang N., Yan X., Li M., Zhou M., He H., Li Y., Guo W., Zhang M., Zhang J., Ma G. (2021) Effect of Mobile-Based Lifestyle Intervention on Body Weight, Glucose and Lipid Metabolism among the Overweight and Obese Elderly Population in China: A Randomized Controlled Trial Protocol. International Journal of Environmental Research and Public Health, 18(9), 4854. https://doi.org/10.3390/ijerph18094854

Supplementary files

Supplementary Files
Action
1. JATS XML
2. Fig. 1. Venn diagram summarizing terms from the Diabetes + mHealth categories and the resulting query

Download (551KB)
3. Fig. 2. Main research topics in the category “Health Problems” and their development trends

Download (89KB)
4. Fig. 3. Main research topics in the category "Technology" and their development trends

Download (81KB)
5. Fig. 4. Main research topics in the Applications category and their development trends

Download (87KB)

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».