Effectiveness of Text Message Interventions for Weight Management in Adolescents: Systematic Review
Notice bibliographique
Résumé
BACKGROUND: The incidence of obesity among adolescents is increasing. Text messages are a primary communication form for adolescents and potentially a scalable strategy for delivering population health interventions. OBJECTIVE: This study aimed to determine the effectiveness of text message interventions in reducing BMI in adolescents and describe characteristics that are common to effective interventions. METHODS: This systematic review included randomized controlled trials of text message lifestyle interventions involving adolescents aged 10 to 19 years with outcomes focused on obesity prevention or management. Primary outcome was objective or self-report change in BMI. RESULTS: In total, 4362 records were identified, and 215 full-text articles were assessed for eligibility. A total of 8 unique studies were identified, including 767 participants, mean age 14.3 (SD 0.9) years, BMI 29.7 (SD 1.6) kg/m2 and 53.1% (407/767) female (31/101, 30.7%-172/172, 100.0%). All interventions were multicomponent. The median active intervention period was 4.5 months. During the active and extended intervention phases, text messages accounted for >50% (8 studies) and >85% (3 studies) of contact points, respectively. Text messages were heterogeneous, with a median of 1.5 text messages sent per week (range: 1-21). A total of 4 studies utilized two-way text message communication with health professionals Of the 8 studies, 7 demonstrated reductions in BMI or BMI z-score in the intervention group compared with the control at the end of the final follow-up. The effect was only statistically significant in 1 study at 6 months. Over 6 months, reductions in BMI (kg/m2) ranged from 1.3% to 4.5% and BMI z-score ranged from 4.2% to 28.1%. Overall quality of the studies was low. CONCLUSIONS: Further research is required to elucidate the effectiveness and potential impact of text message interventions on weight and weight-related behaviors in adolescents.
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 | 0,011 | 0,059 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,011 | 0,011 |
| Bibliométrie | 0,006 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».