The Efficacy of Mobile Phone Apps for Lifestyle Modification in Diabetes: Systematic Review and Meta-Analysis
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.
Notice bibliographique
Résumé
Background: Diabetes and related complications are estimated to cost US $727 billion worldwide annually. Type 1 diabetes, type 2 diabetes, and gestational diabetes are three subtypes of diabetes that share the same behavioral risk factors. Efforts in lifestyle modification, such as daily physical activity and healthy diets, can reduce the risk of prediabetes, improve the health levels of people with diabetes, and prevent complications. Lifestyle modification is commonly performed in a face-to-face interaction, which can prove costly. Mobile phone apps provide a more accessible platform for lifestyle modification in diabetes. Objective: This review aimed to summarize and synthesize the clinical evidence of the efficacy of mobile phone apps for lifestyle modification in different subtypes of diabetes. Methods: In June 2018, we conducted a literature search in 5 databases (Cochrane Central Register of Controlled Trials, MEDLINE, Embase, CINAHL, and PsycINFO). We evaluated the studies that passed screening using The Cochrane Collaboration’s risk of bias tool. We conducted a meta-analysis for each subtype on the mean difference (between intervention and control groups) at the posttreatment glycated hemoglobin (HbA1c) level. Where possible, we analyzed subgroups for short-term (3-6 months) and long-term (9-12 months) studies. Heterogeneity was assessed using the I2 statistic. Results: We identified total of 2669 articles through database searching. After the screening, we included 26 articles (23 studies) in the systematic review, of which 18 studies (5 type 1 diabetes, 11 type 2 diabetes, and 2 prediabetes studies) were eligible for meta-analysis. For type 1 diabetes, the overall effect on HbA1c was statistically insignificant (P=.46) with acceptable heterogeneity (I2=39%) in the short-term subgroup (4 studies) and significant heterogeneity between the short-term and long-term subgroups (I2=64%). Regarding type 2 diabetes, the overall effect on HbA1c was statistically significant (P<.01) in both subgroups, and when the 2 subgroups were combined, there was virtually no heterogeneity within and between the subgroups (I2 range 0%-2%). The effect remained statistically significant (P<.01) after adjusting for publication bias using the trim and fill method. For the prediabetes condition, the overall effect on HbA1c was statistically insignificant (P=.67) with a large heterogeneity (I2=65%) between the 2 studies. Conclusions: There is strong evidence for the efficacy of mobile phone apps for lifestyle modification in type 2 diabetes. The evidence is inconclusive for the other diabetes subtypes.
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 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 | 0,011 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,011 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 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 découle