Effectiveness of Mobile Apps in Promoting Healthy Behavior Changes and Preventing Obesity in Children: Systematic Review
Notice bibliographique
Résumé
BACKGROUND: Mobile apps have been increasingly incorporated into healthy behavior promotion interventions targeting childhood obesity. However, their effectiveness remains unclear. OBJECTIVE: This paper aims to conduct a systematic review examining the effectiveness of mobile apps aimed at preventing childhood obesity by promoting health behavior changes in diet, physical activity, or sedentary behavior in children aged 8 to 12 years. METHODS: MEDLINE, Embase, PsycINFO, CINAHL, and ERIC were systematically searched for peer-reviewed primary studies from January 2008 to July 2021, which included children aged 8 to 12 years; involved mobile app use; and targeted at least one obesity-related factor, including diet, physical activity, or sedentary behavior. Data extraction and risk of bias assessments were conducted by 2 authors. RESULTS: Of the 13 studies identified, most used a quasi-experimental design (n=8, 62%). Significant improvements in physical activity (4/8, 50% studies), dietary outcomes (5/6, 83% studies), and BMI (2/6, 33% studies) were reported. All 6 multicomponent interventions and 57% (4/7) of standalone interventions reported significant outcomes in ≥1 behavioral change outcome measured (anthropometric, physical activity, dietary, and screen time outcomes). Gamification, behavioral monitoring, and goal setting were common features of the mobile apps used in these studies. CONCLUSIONS: Apps for health behavior promotion interventions have the potential to increase the adoption of healthy behaviors among children; however, their effectiveness in improving anthropometric measures remains unclear. Further investigation of studies that use more rigorous study designs, as well as mobile apps as a standalone intervention, is needed.
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 | 0,011 | 0,058 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,007 | 0,008 |
| Bibliométrie | 0,007 | 0,007 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».