Diet Behavior Change Techniques in Type 2 Diabetes: A Systematic Review and Meta-analysis
Notice bibliographique
Résumé
OBJECTIVE Dietary behavior is closely connected to type 2 diabetes. The purpose of this meta-analysis was to identify behavior change techniques (BCTs) and specific components of dietary interventions for patients with type 2 diabetes associated with changes in HbA1c and body weight. RESEARCH DESIGN AND METHODS The Cochrane Library, CINAHL, Embase, PubMed, PsycINFO, and Scopus databases were searched. Reports of randomized controlled trials published during 1975–2017 that focused on changing dietary behavior were selected, and methodological rigor, use of BCTs, and fidelity and intervention features were evaluated. RESULTS In total, 54 studies were included, with 42 different BCTs applied and an average of 7 BCTs used per study. Four BCTs—“problem solving,” “feedback on behavior,” “adding objects to the environment,” and “social comparison”—and the intervention feature “use of theory” were associated with >0.3% (3.3 mmol/mol) reduction in HbA1c. Meta-analysis revealed that studies that aimed to control or change the environment showed a greater reduction in HbA1c of 0.5% (5.5 mmol/mol) (95% CI −0.65, −0.34), compared with 0.32% (3.5 mmol/mol) (95% CI −0.40, −0.23) for studies that aimed to change behavior. Limitations of our study were the heterogeneity of dietary interventions and poor quality of reporting of BCTs. CONCLUSIONS This study provides evidence that changing the dietary environment may have more of an effect on HbA1c in adults with type 2 diabetes than changing dietary behavior. Diet interventions achieved clinically significant reductions in HbA1c, although initial reductions in body weight diminished over time. If appropriate BCTs and theory are applied, dietary interventions may result in better glucose control.
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 distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,017 | 0,003 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».