Mobile phone text-messaging interventions aimed to prevent cardiovascular diseases (Text2PreventCVD): systematic review and individual patient data meta-analysis
Notice bibliographique
Résumé
Background: A variety of small mobile phone text-messaging interventions have indicated improvement in risk factors for cardiovascular disease (CVD). Yet the extent of this improvement and whether it impacts multiple risk factors together is uncertain. We aimed to conduct a systematic review and individual patient data (IPD) meta-analysis to investigate the effects of text-messaging interventions for CVD prevention. Methods: Electronic databases were searched to identify trials investigating a text-messaging intervention focusing on CVD prevention with the potential to modify at least two CVD risk factors in adults. The main outcome was blood pressure (BP). We conducted standard and IPD meta-analysis on pooled data. We accounted for clustering of patients within studies and the primary analysis used random-effects models. Sensitivity and subgroup analyses were performed. Results: Nine trials were included in the systematic review involving 3779 participants and 5 (n=2612) contributed data to the IPD meta-analysis. Standard meta-analysis showed that the weighted mean differences are as follows: systolic blood pressure (SBP), -4.13 mm Hg (95% CI -11.07 to 2.81, p<0.0001); diastolic blood pressure (DBP), -1.11 mm Hg (-1.91 to -0.31, p=0.002); and body mass index (BMI), -0.32 (-0.49 to -0.16, p=0.000). In the IPD meta-analysis, the mean difference are as follows: SBP, -1.3 mm Hg (-5.4 to 2.7, p=0.5236); DBP, -0.8 mm Hg (-2.5 to 1.0, p=0.3912); and BMI, -0.2 (-0.8 to 0.4, p=0.5200) in the random-effects model. The impact on other risk factors is described, but there were insufficient data to conduct meta-analyses. Conclusion: Mobile phone text-messaging interventions have modest impacts on BP and BMI. Simultaneous but small impacts on multiple risk factors are likely to be clinically relevant and improve outcome, but there are currently insufficient data in pooled analyses to examine the extent to which simultaneous reduction in multiple risk factors occurs. PROSPERO registration number: CRD42016033236.
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 | 0,021 | 0,054 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,023 | 0,042 |
| Bibliométrie | 0,007 | 0,007 |
| 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 | 0,003 | 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 ».