eHealth and mHealth Psychosocial Interventions for Youths With Chronic Illnesses: Systematic Review
Notice bibliographique
Résumé
BACKGROUND: An estimated 12.8% of children and adolescents experience chronic health conditions that lead to poor quality of life, adjustment and coping issues, and concurrent mental health problems. Digital health deployment of psychosocial interventions to support youth with chronic illness has become increasingly popular with the advent of the technological advances in the digital age. OBJECTIVE: Our objectives were to systematically review published efficacy studies of eHealth and mHealth (mobile health) psychosocial interventions for youths with chronic illnesses and review intervention theory and treatment components. METHODS: PubMed, Embase, Web of Science, PsycInfo, and Cochrane Database of Systematic Reviews were searched for studies published from 2008 to 2019 of eHealth and mHealth psychosocial interventions designed for children and adolescents with chronic illnesses in which efficacy outcomes were reported. We excluded studies of interventions for caregivers, healthy youth, disease and medication management, and telehealth interventions that function solely as a platform to connect patients to providers via phone, text, or videoconference. RESULTS: We screened 2551 articles and 133 relevant full-text articles. Sixteen efficacy studies with psychosocial and health outcomes representing 12 unique interventions met the inclusion criteria. Of the included studies, 12 were randomized controlled trials and 4 were prospective cohort studies with no comparison group. Most interventions were based in cognitive behavioral theory and designed as eHealth interventions; only 2 were designed as mHealth interventions. All but 2 interventions provided access to support staff via text, phone, email, or discussion forums. The significant heterogeneity in intervention content, intervention structure, medical diagnoses, and outcomes precluded meta-analysis. For example, measurement time points ranged from immediately postcompletion of the mHealth program to 18 months later, and we identified 39 unique outcomes of interest. The majority of included studies (11/16, 69%) reported significant changes in measured health and/or psychosocial posttreatment outcomes, with small to large effect sizes. CONCLUSIONS: Although the available literature on the efficacy of eHealth and mHealth psychosocial interventions for youth with chronic illnesses is limited, preliminary research suggests some evidence of positive treatment responses. Future studies should continue to evaluate whether digital health platforms may be a viable alternative model of delivery to traditional face-to-face approaches.
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 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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».