MétaCan
Menu
Retour à la cohorte
Enregistrement W4308337737 · doi:10.2196/39261

Technology-Based Obesity Prevention Interventions Among Hispanic Adolescents in the United States: Scoping Review

2022· article· en· W4308337737 sur OpenAlexvenueno aff
Erica G. Soltero, Callie Lopez, Edith Hernandez, Teresia M. O’Connor, Debbe Thompson

Notice bibliographique

RevueJMIR Pediatrics and Parenting · 2022
Typearticle
Langueen
DomaineHealth Professions
ThématiqueMobile Health and mHealth Applications
Établissements canadiensnon disponible
Organismes subventionnairesNational Institute of Diabetes and Digestive and Kidney DiseasesNational Heart, Lung, and Blood InstituteNational Institute on Minority Health and Health DisparitiesAgricultural Research ServiceNational Institutes of HealthU.S. Department of Agriculture
Mots-clésPsychological interventionMedicineSocioeconomic statusFormative assessmentObesityGerontologyPopulationIntervention (counseling)Inclusion (mineral)Family medicineEnvironmental healthPsychologyPsychiatrySocial psychology

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Given that today's adolescents are digital front-runners, technology-based obesity prevention strategies are age-appropriate for this population. The use of remote and wireless technologies may be suitable for extending the reach and engagement of obesity prevention efforts among high-risk Hispanic youths, as this subgroup is disproportionately affected by barriers that limit participation in traditional, in-person interventions. OBJECTIVE: The purpose of this scoping review was to examine the intervention and sample characteristics of technology-based obesity prevention interventions among Hispanic adolescents. We also examined feasibility criteria to assess the acceptability and appropriateness of technology-based strategies among Hispanic youths. METHODS: A comprehensive search of Embase and PubMed identified 7 studies that met the inclusion criteria. Data were extracted by 2 independent reviewers. RESULTS: Of the 7 included studies, half (n=4, 57%) used a randomized control trial design, with equal implementation in school (n=3, 43%) and clinic (n=4, 57%) settings. Studies commonly targeted improvements in diet (n=4, 57%) and physical activity (n=7, 100%), with only 1 (14%) study focused on sedentary behaviors. Just 2 (29%) studies reported the use of behavioral theories or models. Studies focused primarily on youths in early (n=5, 71%) or middle (n=6, 86%) adolescence, and there was limited information reported on socioeconomic status. Only 3 (43%) study conducted formative work, and few (n=3, 43%) reported on acceptability. Only 1 (14%) study reported that materials were available in Spanish and English, and only 1 (14%) study used culturally tailored content. Additionally, 3 (43%) studies used strategies that considered social determinants of health. CONCLUSIONS: To increase our understanding of the feasibility and effectiveness of technology-based obesity prevention strategies among Hispanic adolescents, there is a need for more feasibility studies that are theoretically grounded and comprehensively report on feasibility-related outcomes. Future studies should also leverage technology to simultaneously address multiple health behaviors beyond diet and physical activity. The result of this review can be used to guide the development of future technology-based obesity prevention strategies among Hispanic adolescents. TRIAL REGISTRATION: CliniclaTrials.gov NCT04953442; https://clinicaltrials.gov/ct2/show/NCT04953442.

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 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)0,003
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,132
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,002
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 Opus0,072
Tête enseignante GPT0,442
Écart entre enseignants0,369 · 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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations14
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR Pediatrics and ParentingMême sujetMobile Health and mHealth ApplicationsTravaux en français237 207