Mobile Phone Interventions for Sleep Disorders and Sleep Quality: Systematic Review
Notice bibliographique
Résumé
BACKGROUND: Although mobile health technologies have been developed for interventions to improve sleep disorders and sleep quality, evidence of their effectiveness remains limited. OBJECTIVE: A systematic literature review was performed to determine the effectiveness of mobile technology interventions for improving sleep disorders and sleep quality. METHODS: Four electronic databases (EBSCOhost, PubMed/Medline, Scopus, and Web of Science) were searched for articles on mobile technology and sleep interventions published between January 1983 and December 2016. Studies were eligible for inclusion if they met the following criteria: (1) written in English, (2) adequate details on study design, (3) focus on sleep intervention research, (4) sleep index measurement outcome provided, and (5) publication in peer-reviewed journals. RESULTS: An initial sample of 2679 English-language papers were retrieved from five electronic databases. After screening and review, 16 eligible studies were evaluated to examine the impact of mobile phone interventions on sleep disorders and sleep quality. These included one case study, three pre-post studies, and 12 randomized controlled trials. The studies were categorized as (1) conventional mobile phone support and (2) utilizing mobile phone apps. Based on the results of sleep outcome measurements, 88% (14/16) studies showed that mobile phone interventions have the capability to attenuate sleep disorders and to enhance sleep quality, regardless of intervention type. In addition, mobile phone intervention methods (either alternatively or as an auxiliary) provide better sleep solutions in comparison with other recognized treatments (eg, cognitive behavioral therapy for insomnia). CONCLUSIONS: We found evidence to support the use of mobile phone interventions to address sleep disorders and to improve sleep quality. Our findings suggest that mobile phone technologies can be effective for future sleep intervention research.
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 | 0,007 | 0,027 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,008 | 0,007 |
| Bibliométrie | 0,008 | 0,007 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».