Promoting Physical Activity and Weight Loss With mHealth Interventions Among Workers: Systematic Review and Meta-analysis of Randomized Controlled Trials
Notice bibliographique
Résumé
Background Physical activity (PA) is a vital factor in promoting health in the workforce. Mobile health (mHealth) interventions have recently emerged in workplace health promotion as an effective strategy for inducing changes in health behaviors among workers; however, the effectiveness of mHealth interventions in promoting PA and weight loss for workers is unclear. Objective This study aims to provide a comprehensive analysis of current evidence on the effectiveness of mHealth interventions in promoting PA and weight loss among workers. Methods We searched relevant databases, including PubMed, Embase, CINAHL Complete, and the Cochrane Library, for publications on mHealth interventions in the English or Korean language from inception to December 2020. Randomized controlled trials that evaluated the effectiveness of mHealth in improving PA and weight loss were retrieved. A meta-analysis with a random effects model and subgroup analyses was performed on PA types and mHealth intervention characteristics. Results A total of 8 studies were included in this analysis. More than half of the studies (5/8, 63%) were identified as having a high risk of bias. The mHealth intervention group showed a significant improvement in PA (standardized mean difference [SMD] 0.22, 95% CI 0.03-0.41; P<.001; I2=78%). No significant difference in weight loss was observed when comparing the intervention group with the control groups (SMD 0.02, 95% CI –0.07 to 0.10; P=.48; I2=0%). A subgroup analysis was also performed; walking activity (SMD 0.70, 95% CI 0.21-1.19; P<.001; I2=83.3%), a multicomponent program (SMD 0.19, 95% CI 0.05-0.33; P=.03; I2=57.4%), objective measurement (SMD 0.58, 95% CI 0.05-1.10; P<.001; I2=87.3%), and 2 or more delivery modes (SMD 0.44, 95% CI 0.01-0.87; P<.001; I2=85.1%) were significantly associated with an enhancement in PA. Conclusions This study suggests that mHealth interventions are effective for improving PA among workers. Future studies that assess long-term efficacy with a larger population 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 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 | 0,019 | 0,054 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,027 | 0,032 |
| 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 | 0,002 |
| 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 ».