MétaCan
Menu
Retour à la cohorte
Enregistrement W2808364813 · doi:10.2196/10799

Text Messaging Interventions for Improvement in Physical Activity and Sedentary Behavior in Youth: Systematic Review

2018· review· en· W2808364813 sur OpenAlexvenueno aff
Kim Ludwig, Rosie Arthur, Nicholas Sculthorpe, Hollie Fountain, Duncan S. Buchan

Notice bibliographique

RevueJMIR mhealth and uhealth · 2018
Typereview
Langueen
DomaineHealth Professions
ThématiqueMobile Health and mHealth Applications
Établissements canadiensnon disponible
Organismes subventionnairesUniversity of the West of Scotland
Mots-clésPsychological interventionSedentary behaviorShort Message ServiceBehavior changeIntervention (counseling)Behavior change methodsInclusion (mineral)PsychologyRandomized controlled trialMedicinePhysical activityClinical psychologyGerontologyPhysical therapySocial psychologyPsychiatry

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: The use of text messages (short message service, SMS) to change physical activity and sedentary behavior in youth is of interest due to the need for novel, more effective intervention approaches. Previous reviews have examined a variety of technology-based interventions and their impact on different health behaviors, but evidence regarding the impact of just SMS on physical activity and sedentary behavior is lacking. OBJECTIVE: The aim of this study was to assess the effectiveness and use of theory of SMS interventions for improving physical activity and sedentary behavior in youth. METHODS: Authors systematically searched electronic databases from March to November 2017. Citations were sifted using additional reviewers, and a qualitative synthesis of eligible studies was conducted using piloted data extraction forms. To be eligible for inclusion, studies had to be of a randomized controlled or quasi-experimental design, incorporate SMS, involve adolescents between the ages of 10 and 19 years, and assess at least one physical activity or sedentary behavior outcome. Risk of bias was assessed using the Cochrane Collaboration's Risk of Bias tool. RESULTS: A total of 13 studies reporting 11 interventions were included in the qualitative analysis. Studies included interventions that were conducted in schools, online, or face-to-face. Studies were of high heterogeneity with regard to study duration, participant characteristics, intervention content, and outcome measures. Findings were equivocal with regard to intervention effectiveness for physical activity and sedentary behavior. Overall, 7 interventions resulted in an improvement for physical activity and 6 for sedentary behavior. All studies were judged to be of high risk of bias for at least 1 item. CONCLUSIONS: Some studies in this review showed promising results for using SMS to improve physical activity and sedentary behavior in youth. High heterogeneity of design and outcome measures precluded data pooling and conclusions as to which specific intervention elements are linked to increased effectiveness cannot be drawn. The authors propose incorporating the following elements in future studies: specific focus on desired health behavior; mixed-methods design; include long-term follow-up; include self-monitoring, goal setting, and feedback; combine SMS with a mobile app; and send 3 or more SMS text messages per week. More rigorous studies are needed to explore the relationship between intervention effectiveness and specific intervention components such as content and delivery.

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 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)
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 enseignants0,131
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0050,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0050,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,222
Tête enseignante GPT0,558
Écart entre enseignants0,336 · 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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeRevue systématique
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations117
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR mhealth and uhealthMême sujetMobile Health and mHealth ApplicationsTravaux en français237 207