The Efficacy of Mobile Phone Apps for Lifestyle Modification in Diabetes: Systematic Review and Meta-Analysis
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.
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 | 0,013 | 0,044 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,001 |
| Méta-épidémiologie (sens large) | 0,021 | 0,030 |
| Bibliométrie | 0,007 | 0,008 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».