Mobile health technologies supporting colonoscopy preparation: A systematic review and meta-analysis of randomized controlled trials
Notice bibliographique
Résumé
BACKGROUND: Mobile health (mHealth) technologies are innovative solutions for delivering instructions to patients preparing for colonoscopy. OBJECTIVE: To systematically review the literature evaluating the effectiveness of mHealth technologies supporting colonoscopy preparation on patient and clinical outcomes. METHODS: MEDLINE, EMBASE, CINAHL and CENTRAL were searched for randomized controlled trials (RCTs) that evaluated the effectiveness of mHealth technologies for colonoscopy preparation on patient and clinical outcomes. Two reviewers independently assessed study eligibility, extracted data, and appraised methodological quality using the Cochrane Risk-of-Bias tool. Data were pooled using random effects models and when heterogeneity, assessed using I2, was statistically significant, a qualitative synthesis of the data was performed. Publication bias was assessed using a funnel plot. RESULTS: Ten RCTs (3,383 participants) met inclusion criteria. MHealth interventions included smartphone apps, SMS text messages, videos, camera apps, and a social media app. Outcomes were bowel cleanliness quality, user satisfaction, colonoscopy quality indicators (cecal intubation time, withdrawal time, adenoma detection rate), adherence to diet, and cancellation/no-show rates. MHealth interventions were associated with better bowel cleanliness scores on the Boston Bowel Preparation Scale [standardized mean difference (SMD) 0.57, 95%CI 0.37-0.77, I2 = 60%, p = 0.08] and the Ottawa Bowel Preparation Scale [SMD -0.39, 95%CI -0.59-0.19, I2 = 45%, p = 0.16], but they were not associated with rates of willingness to repeat the colonoscopy using the same regimen [odds ratio (OR) 1.88, 95%CI 0.85-4.15, I2 = 48%, p = 0.12] or cancellations/no-shows [OR 0.96, 95%CI 0.68-1.35, I2 = 0%]. Most studies showed that adequate bowel preparation, user satisfaction and adherence to diet were better in the intervention groups compared to the control groups, while inconsistent findings were observed for the colonoscopy quality indicators. All trials were at high risk of bias for lack of participant blinding. Visual inspection of a funnel plot revealed publication bias. CONCLUSIONS: MHealth technologies show promise as a way to improve bowel cleanliness, but trials to date were of low methodological quality. High-quality research is required to understand the effectiveness of mHealth technologies on colonoscopy outcomes.
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 | 0,026 | 0,081 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,022 | 0,035 |
| Bibliométrie | 0,009 | 0,009 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».