MétaCan
Menu
Retour à la cohorte
Enregistrement W4308059662 · doi:10.2196/35876

The Use of Dietary Approaches to Stop Hypertension (DASH) Mobile Apps for Supporting a Healthy Diet and Controlling Hypertension in Adults: Systematic Review

2022· review· en· W4308059662 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

venuePublié dans une revue dont le pays d'attache est le Canada.
no affAucune affiliation canadienne : ce travail est invisible pour une base fondée sur la seule affiliation.
Aucune affiliation canadienne. Une base fondée sur la seule affiliation (le devis habituel) n'aurait jamais vu ce travail. C'est l'un des travaux qui justifient l'inversion de la base.

Notice bibliographique

RevueJMIR Cardio · 2022
Typereview
Langueen
DomaineHealth Professions
ThématiqueMobile Health and mHealth Applications
Établissements canadiensnon disponible
Organismes subventionnairesPrincess Nourah Bint Abdulrahman University
Mots-clésDashDASH dietCINAHLMedicineUsabilityPsychological interventionMEDLINECochrane LibraryRandomized controlled trialPhysical therapyBlood pressureInternal medicineComputer scienceNursing

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Uncontrolled hypertension is a public health issue, with increasing prevalence worldwide. The Dietary Approaches to Stop Hypertension (DASH) diet is one of the most effective dietary approaches for lowering blood pressure (BP). Dietary mobile apps have gained popularity and are being used to support DASH diet self-management, aiming to improve DASH diet adherence and thus lower BP. OBJECTIVE: This systematic review aimed to assess the effectiveness of smartphone apps that support self-management to improve DASH diet adherence and consequently reduce BP. A secondary aim was to assess engagement, satisfaction, acceptance, and usability related to DASH mobile app use. METHODS: The Embase (OVID), Cochrane Library, CINAHL, Web of Science, Scopus, and Google Scholar electronic databases were used to conduct systematic searches for studies conducted between 2008 and 2021 that used DASH smartphone apps to support self-management. The reference lists of the included articles were also checked. Studies were eligible if they (1) were randomized controlled trials (RCTs) or pre-post studies of app-based interventions for adults (aged 18 years or above) with prehypertension or hypertension, without consideration of gender or sociodemographic characteristics; (2) used mobile phone apps alone or combined with another component, such as communication with others; (3) used or did not use any comparator; and (4) had the primary outcome measures of BP level and adherence to the DASH diet. For eligible studies, data were extracted and outcomes were organized into logical categories, including clinical outcomes (eg, systolic BP, diastolic BP, and weight loss), DASH diet adherence, app usability and acceptability, and user engagement and satisfaction. The quality of the studies was evaluated using the Cochrane Collaboration's Risk of Bias tool for RCTs, and nonrandomized quantitative studies were evaluated using a tool provided by the US National Institutes of Health. RESULTS: A total of 5 studies (3 RCTs and 2 pre-post studies) including 334 participants examined DASH mobile apps. All studies found a positive trend related to the use of DASH smartphone apps, but the 3 RCTs had a high risk of bias. One pre-post study had a high risk of bias, while the other had a low risk. As a consequence, no firm conclusions could be drawn regarding the effectiveness of DASH smartphone apps for increasing DASH diet adherence and lowering BP. All the apps appeared to be acceptable and easy to use. CONCLUSIONS: There is weak emerging evidence of a positive effect of using DASH smartphone apps for supporting self-management to improve DASH diet adherence and consequently lower BP. Further research is needed to provide high-quality evidence that can determine the effectiveness of DASH smartphone apps.

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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,006
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,675
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0060,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0060,001
Bibliométrie0,0000,001
Études des sciences et des technologies0,0020,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,353
Tête enseignante GPT0,437
Écart entre enseignants0,084 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle