The Effectiveness of Internet-Guided Self-help Interventions to Promote Physical Activity Among Individuals With Depression: Systematic Review
Notice bibliographique
Résumé
BACKGROUND: Depression is a prevalent and debilitating mental disorder and a leading cause of disability worldwide. Physical activity (PA) interventions have been shown to alleviate depressive symptoms. However, not all patients have access to PA programing tailored for depression. Internet-guided self-help (IGSH) interventions may be an effective option for increasing PA among people with depression who cannot or prefer not to access supervised exercise treatment. OBJECTIVE: We aimed to evaluate the effectiveness of IGSH interventions in increasing PA and alleviating depressive symptoms in people with depression. METHODS: A systematic literature search was conducted for randomized controlled trials and quasiexperimental studies using 9 electronic databases. The review was registered in PROSPERO (2020 CRD42020221713). RESULTS: A total of 4 randomized controlled trials (430 participants) met the inclusion criteria. Of these, 3 were web-based and 1 was app-based. Three studies found IGSH interventions to have medium to large effects on decreasing depressive symptoms but not on increasing PA compared with waitlist or usual care. One study showed increased self-reported PA but no significant difference in depressive symptoms in the intervention group compared with the control group. Goal setting was the most common behavior change technique used in the interventions. Dropout rates within the intervention groups were relatively low (0%-19%). CONCLUSIONS: Our findings suggested that IGSH PA interventions are feasible and have the potential to reduce depressive symptoms in people with depression. More well-designed and tailored interventions with different combinations of behavior change techniques, particularly those targeting the emotion domain, are needed to assess the overall effectiveness and feasibility of using IGSH interventions to increase PA among people with depression. TRIAL REGISTRATION: PROSPERO CRD42020221713; https://tinyurl.com/ysaua5bu.
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 | 0,005 | 0,025 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,008 | 0,007 |
| Bibliométrie | 0,005 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| 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 ».