Advancing Digital Health Interventions as a Clinically Applied Science for Blood Pressure Reduction: A Systematic Review and Meta-analysis
Notice bibliographique
Résumé
Background Behavioural counselling via internet- or mobile-based digital platforms is recommended for hypertension; however, outcome heterogeneity is problematic in trials of this digital intervention. Our objective was to assess how therapeutic outcome was optimized in digital trials for hypertension, according to key features of the intervention design and protocol. Methods We identified randomized controlled digital trials for systolic blood pressure (SBP) reduction in taskforce guideline and policy statements, systematic reviews, and meta-analyses published since 2010, by searching the EMBASE, Cochrane Library, psycINFO, and PubMed databases. This search was updated to January 2019. Trials included patients with elevated cardiovascular risk or cardiovascular disease. We classified digital trials by the number of components of the intervention, and whether the protocol was organized by an explicit model of behavioural change or counselling. The influence of these features was evaluated for treatment efficacy and heterogeneity of SBP outcomes. Results Seventeen trials met inclusion criteria: pooled n = 5780, 33% female, 93% taking antihypertensive medications. SBP reduction was −7.3 mm Hg for digital counselling (95% confidence interval: −7.0 to −7.5) vs −3.6 mm Hg for control (95% confidence interval: −3.4 to −3.9), P < 0.0001, with high-moderate heterogeneity (I 2 = 67%). Trials with multiple behavioural intervention components and an organized theoretical framework of behaviour change or counselling demonstrated optimal SBP reduction with low-moderate heterogeneity (I 2 = 49%). Conclusions Digital health interventions optimize the efficacy of medical therapy for SBP reduction. There is opportunity to promote a disruptive change in clinical science that accompanies technological developments in digital health promotion.
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 | 0,023 | 0,059 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,020 | 0,031 |
| Bibliométrie | 0,006 | 0,006 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,005 | 0,003 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,004 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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 ».