Effectiveness of Mobile Phone and Web-Based Interventions for Diabetes and Obesity Among African American and Hispanic Adults in the United States: Systematic Review
Notice bibliographique
Résumé
BACKGROUND: Mobile health (mHealth) and web-based technological advances allow for new approaches to deliver behavioral interventions for chronic diseases such as obesity and diabetes. African American and Hispanic adults experience a disproportionate burden of major chronic diseases. OBJECTIVE: This paper reviews the evidence for mHealth and web-based interventions for diabetes and obesity in African American and Hispanic adults. METHODS: Literature searches of PubMed/Medline, The Cochrane Library, EMBASE, CINAHL Plus, Global Health, Scopus, and Library & Information Science Source were conducted for relevant English-language articles. Articles identified through searches were reviewed by 2 investigators and, if they met the inclusion criteria, were extracted and assessed for risk of bias. Findings were summarized in tabular and narrative format. The overall strength of the evidence was assessed as high, moderate, low, or insufficient on the basis of risk of bias, consistency of findings, directness, precision, and other limitations. RESULTS: Searches yielded 2358 electronic publications, 196 reports were found to be eligible for inclusion, and 7 studies met the eligibility criteria. All 7 included studies were randomized control trials. Five studies evaluated the effectiveness of an mHealth intervention for weight loss, including one that evaluated the effectiveness for diabetes and two studies focused on diabetes. Of all the studies that focused on weight loss, 3 reported significant differences in weight loss in participants in the intervention group compared with those in the usual care group. Although all studies on diabetes control showed greater improvement in glycemic control for the intervention group compared to that in the control group, only one study showed a significant difference between the 2 groups. CONCLUSIONS: This analysis indicates that there are few published studies that assessed mHealth interventions among minority populations and focused on weight or diabetes. Although the overall strength of evidence was low for diabetes control, it was moderate for weight loss, and our findings suggest that mHealth and web-based interventions may provide a promising approach for interventions among African American and Hispanic adults who have obesity or diabetes.
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 | 0,009 | 0,047 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,009 | 0,009 |
| Bibliométrie | 0,008 | 0,008 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,001 |
| 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 ».