mHealth prompts within diabetes prevention programs: a scoping review
Notice bibliographique
Résumé
Background: Mobile health (mHealth) prompts (e.g., text messaging, push notifications) are a commonly used technique within behaviour change interventions to prompt or cue a specific behaviour. Such prompts are being increasingly integrated into diabetes prevention programs (DPPs). While mHealth prompts provide a convenient and cost-effective way to reinforce behaviour change, no reviews to date have examined mHealth prompt use within DPPs. This scoping review aims to: (I) understand how mHealth prompts are being used within behaviour change interventions for individuals at risk for developing type 2 diabetes (T2D); and (II) provide recommendations for future mHealth prompt research, design, and application. Methods: The scoping review methodology outlined by Arksey and O'Malley were followed. Medline, CINAHL, PsycInfo, Web of Science, and SportDiscus were searched. The search strategy combined keywords relating to T2D risk and mHealth prompts in conjunction with database-controlled vocabulary when available (e.g., MeSH for Medline). Results: Of the 4,325 publications screened, 44 publications (based on 33 studies) met the inclusion criteria and were included for data extraction. Text messaging was the most widely used mHealth prompt (73%) followed by push notifications (21%). Only 30% of studies discussed the theoretical basis for prompt content and time of day messages were sent, and only 27% provided justification for prompt timing and frequency. Fourteen studies assessed participant satisfaction with mHealth prompts of which only two reported dissatisfaction due to either prompting frequency (hourly) or message content (solely focused on weight). Nine studies assessed behavioural outcomes including weight loss, physical activity, and diabetes incidence, and found mixed effects overall. Conclusions: While mHealth prompts were well-received by participants, there are mixed effects on the influence of mHealth prompts on behavioural outcomes and diabetes incidence. More thorough reporting of prompt content development and delivery is needed, and more experimental research is needed to identify optimal content, delivery characteristics, and impact on behavioural and clinical 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 | 0,030 | 0,101 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,007 | 0,006 |
| Bibliométrie | 0,025 | 0,030 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,006 | 0,006 |
| Science ouverte | 0,003 | 0,004 |
| Intégrité de la recherche | 0,005 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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 ».