What Are We Measuring When We Evaluate Digital Interventions for Improving Lifestyle? A Scoping Meta-Review
Notice bibliographique
Résumé
Background: Lifestyle Medicine (LM) aims to address six main behavioral domains: diet/nutrition, substance use (SU), physical activity (PA), social relationships, stress management, and sleep. Digital Health Interventions (DHIs) have been used to improve these domains. However, there is no consensus on how to measure lifestyle and its intermediate outcomes aside from measuring each behavior separately. We aimed to describe (1) the most frequent lifestyle domains addressed by DHIs, (2) the most frequent outcomes used to measure lifestyle changes, and (3) the most frequent DHI delivery methods. Methods: We followed the Preferred Reporting Items for Systematic Reviews and Meta-Analyses (PRISMA-ScR) Extension for Scoping Reviews. A literature search was conducted using MEDLINE, Cochrane Library, EMBASE, and Web of Science for publications since 2010. We included systematic reviews and meta-analyses of clinical trials using DHI to promote health, behavioral, or lifestyle change. Results: Overall, 954 records were identified, and 72 systematic reviews were included. Of those, 35 conducted meta-analyses, 58 addressed diet/nutrition, and 60 focused on PA. Only one systematic review evaluated all six lifestyle domains simultaneously; 1 systematic review evaluated five lifestyle domains; 5 systematic reviews evaluated 4 lifestyle domains; 14 systematic reviews evaluated 3 lifestyle domains; and the remaining 52 systematic reviews evaluated only one or two domains. The most frequently evaluated domains were diet/nutrition and PA. The most frequent DHI delivery methods were smartphone apps and websites. Discussion: The concept of lifestyle is still unclear and fragmented, making it hard to evaluate the complex interconnections of unhealthy behaviors, and their impact on health. Clarifying this concept, refining its operationalization, and defining the reporting guidelines should be considered as the current research priorities. DHIs have the potential to improve lifestyle at primary, secondary, and tertiary levels of prevention—but most of them are targeting clinical populations. Although important advances have been made to evaluate DHIs, some of their characteristics, such as the rate at which they become obsolete, will require innovative research designs to evaluate long-term outcomes in health.
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 | 0,014 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,004 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 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 ».