文章核心观点 - 公司发布了一项新的机器学习研究，该研究分析了超过22,000名2型糖尿病用户的真实世界数据，证明其数字健康平台能带来具有临床意义的、持续的血糖改善，并将用户参与度数据与临床结果直接关联 [1] 研究数据与发现 - 研究分析了22,414名基线血糖处于高风险范围的成年2型糖尿病患者的真实世界数据 [1] - 研究发现，更高的数字参与度（特别是频繁的血糖监测和生活方式活动标记）与更强、更持久的血糖改善相关 [1] - 研究确定了一个关键的、可操作的阈值：每月进行12次血糖测量是血糖改善的临界点 [1] - 研究结果表明，血糖改善在不同用户群体中广泛存在，不同种族间的身体质量指数（“BMI”）没有显著差异 [1] 技术方法与临床意义 - 研究采用先进的机器学习模型和纵向混合效应分析，识别出由人口统计学、临床和参与度因素调节的不同血糖变化轨迹 [1] - 通过应用广义线性混合效应树模型，研究人员揭示了影响血糖改善的关键调节因素 [1] - 机器学习能够将这些参与模式转化为自适应的、数据驱动的策略，以优化长期糖尿病管理 [1] - 数字健康平台可以超越“一刀切”的方法，通过机器学习大规模分析真实世界数据，识别最有效的干预时机和用户群体，从而动态个性化支持 [1] 公司业务与市场定位 - 公司是一家领先的全球数字健康公司，通过一个以用户为中心、覆盖多种慢性病的数字治疗平台，革新慢性病患者的健康管理方式 [1] - 公司的平台和解决方案套件通过数据分析和一对一辅导，为糖尿病、高血压、体重管理、肌肉骨骼疼痛和行为健康提供个性化和动态干预 [1] - 公司将其高用户评级的解决方案提供给全球的健康计划和其他支付方、自保雇主、医疗服务提供者和消费者 [1] - 对于寻求可扩展、循证解决方案的雇主、健康计划和承担风险的医疗服务提供者组织而言，该研究结果强调了公司将真实世界数据转化为可衡量临床影响的能力 [1]