Text Messaging-Based Interventions for Smoking Cessation: A Systematic Review and Meta-Analysis
Notice bibliographique
Résumé
BACKGROUND: Tobacco use is one of the leading preventable global health problems producing nearly 6 million smoking-related deaths per year. Interventions delivered via text messaging (short message service, SMS) may increase access to educational and support services that promote smoking cessation across diverse populations. OBJECTIVE: The purpose of this meta-analysis is to (1) evaluate the efficacy of text messaging interventions on smoking outcomes, (2) determine the robustness of the evidence, and (3) identify moderators of intervention efficacy. METHODS: Electronic bibliographic databases were searched for records with relevant key terms. Studies were included if they used a randomized controlled trial (RCT) to examine a text messaging intervention focusing on smoking cessation. Raters coded sample and design characteristics, and intervention content. Summary effect sizes, using random-effects models, were calculated and potential moderators were examined. RESULTS: The meta-analysis included 20 manuscripts with 22 interventions (N=15,593; 8128 (54%) women; mean age=29) from 10 countries. Smokers who received a text messaging intervention were more likely to abstain from smoking relative to controls across a number of measures of smoking abstinence including 7-day point prevalence (odds ratio (OR)=1.38, 95% confidence interval (CI)=1.22, 1.55, k=16) and continuous abstinence (OR=1.63, 95% CI=1.19, 2.24, k=7). Text messaging interventions were also more successful in reducing cigarette consumption relative to controls (d+=0.14, 95% CI=0.05, 0.23, k=9). The effect size estimates were biased when participants who were lost to follow-up were excluded from the analyses. Cumulative meta-analysis using the 18 studies (k=19) measuring abstinence revealed that the benefits of using text message interventions were established only after only five RCTs (k=5) involving 8383 smokers (OR=1.39, 95% CI=1.15, 1.67, P<.001). The inclusion of the subsequent 13 RCTs (k=14) with 6870 smokers did not change the established efficacy of text message interventions for smoking abstinence (OR=1.37, 95% CI=1.25, 1.51, P<.001). Smoking abstinence rates were stronger when text messaging interventions (1) were conducted in Asia, North America, or Europe, (2) sampled fewer women, and (3) recruited participants via the Internet. CONCLUSIONS: The evidence for the efficacy of text messaging interventions to reduce smoking behavior is well-established. Using text messaging to support quitting behavior, and ultimately long-term smoking abstinence, should be a public health priority.
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 | 0,013 | 0,034 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,001 |
| Méta-épidémiologie (sens large) | 0,020 | 0,035 |
| Bibliométrie | 0,007 | 0,007 |
| 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 | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».