Salud DigitalTratamientos FarmacológicosIntervención Conductual

Chatbots para el autocuidado en diabetes


Journal of Medical Internet Research


Chatbots para el autocuidado en diabetes

Resumen

Este estudio ofrece una revisión sistemática y un metaanálisis sobre el uso de chatbots para el autocuidado en diabetes. Se analizaron 25 estudios provenientes de 14 países, que abarcan desde diseños teóricos hasta estudios de intervención. Los chatbots evaluados ofrecían funciones de educación sobre la dieta, ejercicio, adherencia a medicamentos y monitoreo de la glucosa, así como el manejo de complicaciones. En menor grado, algunos también abordaban aspectos de salud mental. Los usuarios interactuaban con los chatbots mediante texto o voz, y los contenidos estaban basados en fuentes confiables como guías clínicas internacionales. El metaanálisis evidenció una reducción significativa de los niveles de HbA1c (diferencia media 0.30; P = .02), aunque no se observaron cambios significativos en el peso corporal. A pesar de la baja calidad general de los estudios (predominan los diseños no aleatorizados y pilotos), los resultados muestran un alto nivel de aceptación por parte de los usuarios y destacan el potencial de estas tecnologías para complementar la educación en salud. El estudio también identifica la necesidad de realizar ensayos controlados aleatorizados y de aplicar marcos teóricos más robustos en investigaciones futuras.

Diseño del Estudio

Intervenciones

Chatbot de autocontrol de la diabetes impulsado por IASoporte conversacional para modificación del estilo de vidaAsistente educativo virtual para la diabetes

Tipo de Estudio

Systematic ReviewMeta-AnalysisNon-randomized CT

Resultados

Nivel de hemoglobina glicosilada (HbA1c)Peso corporalCumplimiento de conductas de autocuidadoConocimiento sobre diabetes

Duración y Tamaño

short–term_≤3_momedium–term_3–12_mo
Tamaño pequeño (≤100)Tamaño medio (100–500)

Población del Estudio

Rango de Edad

Adolescentes (13–18)Adultos Jóvenes (19–39)Mediana Edad (40-64)Adultos Mayores (65+)

Sexo

MasculinoFemenino

Geografía

Global

Otros Criterios

with T2 Diabeteswith Prediabeteswith Cardiovascular Diseasewith Non-diabetics

Metodología

Se realizó una revisión sistemática conforme a las directrices PRISMA, utilizando las bases de datos PubMed y Web of Science hasta el 1 de enero de 2023. Dos investigadores revisaron de forma independiente los títulos, resúmenes y textos completos utilizando criterios predefinidos. Se aplicó una herramienta de puntuación de calidad basada en la Agencia para la Investigación y Calidad del Cuidado de la Salud (AHRQ). Se extrajeron datos estructurados sobre tipo de estudio, diseño, características del chatbot, tipo de interacción, fuentes de contenido y criterios de efectividad.

Se realizó un metaanálisis utilizando el software RevMan 5.3 para estudios con diseño pre-post que reportaran cambios en HbA1c y peso corporal. Se aplicaron modelos de efectos fijos cuando la heterogeneidad fue baja. Además, se utilizaron diagramas de embudo para evaluar el sesgo de publicación. Los resultados fueron sintetizados en función de la región geográfica, tipo de intervención y características del diseño del estudio. También se examinó el uso de teorías del cambio de comportamiento y la integración de IA en el diseño del chatbot.

Intervenciones

Las intervenciones analizadas incluyeron chatbots diseñados para brindar educación sobre diabetes y apoyo en el cambio de comportamiento. Estos sistemas interactivos proporcionaban recordatorios, mensajes motivacionales, módulos educativos y retroalimentación personalizada. Los usuarios podían registrar datos sobre alimentación, ejercicio y glucosa, recibiendo sugerencias o recompensas virtuales. Algunos sistemas empleaban elementos lúdicos como insignias o desafíos. Solo una minoría de los chatbots abordaban temas como ansiedad o estrés, y muy pocos incluían funcionalidades multilingües o adaptaciones para poblaciones mayores.

Hallazgos Clave

El estudio reveló que los chatbots pueden reducir de manera significativa los niveles de HbA1c, aunque su impacto sobre el peso corporal fue nulo. Se observó alta satisfacción del usuario, especialmente en aquellos chatbots que incluían elementos personalizados y estrategias motivacionales. Los resultados sugieren que estas herramientas tienen potencial para ser integradas en programas de educación en salud y manejo de enfermedades crónicas, aunque se requiere más evidencia de alta calidad, como ensayos clínicos aleatorizados, para consolidar su eficacia clínica.

Comparación con otros Estudios

Compared to prior literature on digital interventions for diabetes, this review confirms the utility of chatbots in improving glycemic control. Unlike general mobile health tools, chatbots provide interactive, user-driven experiences. Prior studies on AI in diabetes management often emphasized monitoring and data capture; this study highlights chatbots’ role in behavior change and education. The review also aligns with meta-analyses on other chronic diseases showing chatbots improve adherence and outcomes. However, it differs by identifying the limited evidence base specific to diabetes-focused chatbots, and the underutilization of mixed methods or RCTs to evaluate these technologies.

Referencia de la Revista

Wu Y, Zhang J, Ge P, et al. Application of Chatbots to Help Patients Self-Manage Diabetes: Systematic Review and Meta-Analysis. J Med Internet Res. 2024;26:e60380. doi:10.2196/60380

Mantente informado. Mantente adelante.

Suscríbete ahora para recibir los últimos avances, perspectivas de expertos y actualizaciones de vanguardia en el cuidado de la diabetes, directamente en tu bandeja de entrada.