MétaCan
Menu
Retour à la cohorte
Enregistrement W2616486323 · doi:10.2196/mhealth.7798

Text Messaging and Mobile Phone Apps as Interventions to Improve Adherence in Adolescents With Chronic Health Conditions: A Systematic Review

2017· review· en· W2616486323 sur OpenAlex
Sherif M. Badawy, Leonardo Barrera, Mohamad G. Sinno, Saara Kaviany, Linda O’Dwyer, Lisa M. Kuhns

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

venuePublié dans une revue dont le pays d'attache est le Canada.
no affAucune affiliation canadienne : ce travail est invisible pour une base fondée sur la seule affiliation.
Aucune affiliation canadienne. Une base fondée sur la seule affiliation (le devis habituel) n'aurait jamais vu ce travail. C'est l'un des travaux qui justifient l'inversion de la base.

Notice bibliographique

RevueJMIR mhealth and uhealth · 2017
Typereview
Langueen
DomaineHealth Professions
ThématiqueMobile Health and mHealth Applications
Établissements canadiensnon disponible
Organismes subventionnairesNational Center for Advancing Translational SciencesAgency for Healthcare Research and Quality
Mots-clésmHealthMobile phonePsychological interventionText messagingInternet privacyPhonePsychologyMedicineeHealthComputer scienceApplied psychologyHealth careNursingTelecommunications

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: The number of adolescents with chronic health conditions (CHCs) continues to increase. Medication nonadherence is a global challenge among adolescents across chronic conditions and is associated with poor health outcomes. While there has been growing interest in the use of mHealth technology to improve medication adherence among adolescents with CHCs, particularly text messaging and mobile phone apps, there has been no prior systematic review of their efficacy. OBJECTIVE: The purpose of this review was to systematically evaluate the most recent evidence for the efficacy of text messaging and mobile phone apps as interventions to promote medication adherence among adolescents with CHCs. METHODS: PubMed, Embase, CENTRAL, PsycINFO, Web of Science, Google Scholar, and additional databases were searched from 1995 until November 2015. An additional hand search of related themes in the Journal of Medical Internet Research was also conducted. The Preferred Reporting Results of Systematic Reviews and Meta-Analyses guidelines were followed. Two reviewers independently screened titles/abstracts, assessed full-text articles, extracted data from included articles, and assessed their quality using Grades of Recommendation, Assessment, Development, and Evaluation criteria. Included studies were described in original research articles that targeted adherence in adolescents with CHCs (12-24 years-old). RESULTS: Of the 1423 records examined, 15 met predefined criteria: text messaging (n=12) and mobile phone apps (n=3). Most studies were performed in the United States (11/15, 73%), were randomized-controlled trials (8/15, 53%), had a sample size <50 (11/15, 73%), and included adherence self-report and/or biomarkers (9/15, 60%). Only four studies were designed based on a theoretical framework. Approaches for text messaging and mobile phone app interventions varied across studies. Seven articles (7/15, 47%) reported significant improvement in adherence with moderate to large standardized mean differences. Most of the included studies were of low or moderate quality. Studies varied in sample size, methods of adherence assessment, and definition of adherence, which prohibited performing a meta-analysis. CONCLUSIONS: The use of text messaging and mobile phone app interventions to improve medication adherence among adolescents with CHCs has shown promising feasibility and acceptability, and there is modest evidence to support the efficacy of these interventions. Further evaluation of short- and long-term efficacy and cost-effectiveness of these interventions is warranted given the early and evolving state of the science.

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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,005
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies, Intégrité de la recherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: Revue systématique
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,225
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0050,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0070,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0030,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,003
Charge utile insuffisante (le modèle a refusé de juger)0,0000,001

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.

Tête enseignante Opus0,137
Tête enseignante GPT0,540
Écart entre enseignants0,402 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle