Environmental, behavioural and multicomponent interventions to reduce adults' sitting time: a systematic review and meta-analysis
Notice bibliographique
Résumé
OBJECTIVE: To examine the overall effectiveness of interventions for reducing adult sedentary behaviour and to directly compare environmental, behavioural and multicomponent interventions. DESIGN: Intervention systematic review with meta-analysis. DATA SOURCES: Ovid PsycINFO, Ovid MEDLINE, EBSCOHost CINAHL, EBSCOHost SPORTDiscus and PubMed were searched from inception to 26 July 2017. ELIGIBILITY CRITERIA: Trials including randomised controlled trials, quasi-randomised, cluster-randomised, parallel group, prepost, factorial and crossover trials where the primary aim was to change the sedentary behaviour of healthy adults assessed by self-report (eg, questionnaires, logs) or objective measures (eg, accelerometry). RESULTS: Thirty-eight trials of 5983 participants published between 2003 and 2017 were included in the qualitative synthesis; 35 studies were included in the quantitative analysis (meta-analysis). The pooled effect was a significant reduction in daily sitting time of -30.37 min/day (95% CI -40.86 to -19.89) favouring the intervention group. Reductions in sitting time were similar between workplace (-29.96 min/day; 95% CI -44.05 to -15.87) and other settings (-30.47 min/day; 95% CI -44.68 to -16.26), which included community, domestic and recreational environments. Environmental interventions had the largest reduction in daily sitting time (-40.59 min/day; 95% CI -61.65 to -19.53), followed by multicomponent (-35.53 min/day; 95% CI -57.27 to -13.79) and behavioural (-23.87 min/day; 95% CI -37.24 to -10.49) interventions. CONCLUSION: Interventions targeting adult sedentary behaviour reduced daily sitting time by an average of 30 min/day, which was likely clinically meaningful.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,011 | 0,002 |
| Bibliométrie | 0,000 | 0,000 |
| 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) | 0,001 | 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 ».