Digital Interventions for Universal Health Promotion in Children and Adolescents: A Systematic Review
Notice bibliographique
Résumé
BACKGROUND AND OBJECTIVES: Digital media has been used mostly to deliver clinical treatments and therapies; however limited evidence evaluates digital interventions for health promotion. The objective of this review is to identify digital interventions for universal health promotion in school-aged children and adolescents globally. METHODS: Eligible articles were searched in PubMed, Embase, Medline, Ovid SP, The Cochrane Library, Cochrane Central Register of Controlled Trials, WHO regional databases, Google Scholar, and reference lists from 2000 to March 2021. Randomized controlled trials and quasi-experimental studies evaluating interventions that promote health in school-aged children and adolescents (5-19.9 years) were included. Methods were conducted in duplicate. Where possible, data were pooled with a random-effects model. RESULTS: Seventy-four studies were included (46 998 participants), of which 37 were meta-analyzed (19 312 participants). Interventions increased fruit and vegetable consumption (servings per day) (mean difference [MD] 0.63, 95% confidence interval [CI] 0.21 to 1.04; studies = 6; P = .003; high quality of evidence), and probably reduced sedentary behavior (MD -19.62, 95% CI -36.60 to -2.65; studies = 6; P = .02; moderate quality of evidence), and body fat percentage (MD -0.35%, 95% CI -0.63 to -0.06; studies = 5; P = .02; low quality of evidence). The majority of studies were conducted in high-income countries and significant heterogeneity in design and methodology limit generalizability of results. CONCLUSIONS: There is great potential in digital platforms for universal health promotion; however, more robust methods and study designs are necessitated. Continued research should assess factors that limit research and program implementation in low- to middle-income countries.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».