Effectiveness of mobile electronic devices in weight loss among overweight and obese populations: a systematic review and meta-analysis
Notice bibliographique
Résumé
BACKGROUND: Mobile electronic devices, such as mobile phones and PDAs, have emerged as potentially useful tools in the facilitation and maintenance of weight loss. While RCTs have demonstrated a positive impact of mobile interventions, the extent to which mobile electronic devices are more effective than usual care methods is still being debated. RESULTS: Electronic databases were systematically searched for RCTs evaluating the effectiveness of mobile electronic device interventions among overweight and obese adults. Weighted mean difference for change in body weight was the primary outcome. The search strategy yielded 559 citations and of the 108 potentially relevant studies, six met the criteria. A total of 632 participants were included in the six studies reporting a mean change in body weight. Using a random-effects model, the WMD for the effect of using mobile electronic devices on reduction in body weight was -1.09 kg (95% CI -2.12, -0.05). When stratified by the type of mobile electronic device used, it suggests that interventions using mobile phones were effective at achieving weight loss, WMD = -1.78 kg (95% CI -2.92, -0.63). CONCLUSIONS: This systematic review and meta-analysis suggests that mobile electronic devices have the potential to facilitate weight loss in overweight and obese populations, but further work is needed to understand if these interventions have sustained benefit and how we can make these mHealth tools most effective on a large scale. As the field of healthcare increasingly utilizes novel mobile technologies, the focus must not be on any one specific device but on the best possible use of these tools to measure and understand behavior. As mobile electronic devices continue to increase in popularity and the associated technology continues to advance, the potential for the use of mobile devices in global healthcare is enormous. More RCTs with larger sample sizes need to be conducted to look at the cost-effectiveness, technical and financial feasibility of adapting such mHealth interventions in a real clinical setting.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,016 | 0,042 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,001 |
| Méta-épidémiologie (sens large) | 0,019 | 0,035 |
| Bibliométrie | 0,008 | 0,008 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».