E‐&mHealth interventions targeting nutrition, physical activity, sedentary behavior, and/or obesity among children: A scoping review of systematic reviews and meta‐analyses
Notice bibliographique
Résumé
Childhood obesity is a public health concern. Electronic and mobile health (e-&mHealth) approaches can facilitate the delivery of interventions for obesity prevention and treatment. Synthesizing reviews of e-&mHealth interventions to improve weight and weight-related behaviors (physical activity, sedentary behavior, and diet) is useful to characterize the current scope of the literature and identify opportunities for future reviews and studies. Using a scoping review methodology, we aimed to evaluate the breadth and methodological quality of systematic reviews and meta-analyses of e-&mHealth interventions targeting weight and weight-related behaviors in children and adolescents aged <19 years. A systematic search of seven databases was conducted, including reviews published between 2000 and 2019. Review characteristics were extracted, and methodological quality was assessed using the AMSTAR 2 tool. Forty-five systematic reviews and meta-analyses were included. All reviews evaluated intervention efficacy (100%), but few assessed other aspects (20% in total) such as cost-effectiveness. Smartphone applications (47%), text messages (44%), and websites (35%) were the main modalities. Weight (60%), physical activity (51%), and diet (44%) were frequently assessed, unlike sedentary behavior (8%). Most reviews were rated as having critically low or low methodological quality (97%). Reviews that identify the effective active ingredients of interventions and explore metrics beyond efficacy are recommended.
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 | 0,010 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,020 | 0,003 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».