Design Principles in mHealth Interventions for Sustainable Health Behavior Changes: Protocol for a Systematic Review (Preprint)
Notice bibliographique
Résumé
BACKGROUND In recent years, mHealth has increasingly been used to deliver behavioral interventions for disease prevention and self-management. Computing power in mHealth tools can provide unique functions beyond conventional interventions in provisioning personalized behavior change recommendations and delivering them in real time, supported by dialogue systems. However, design principles to incorporate these features in mHealth interventions have not been systematically evaluated. OBJECTIVE The goal of this review is to identify best practices for the design of mHealth interventions targeting diet, physical activity, and sedentary behavior. We aim to identify and summarize the design characteristics of current mHealth tools with a focus on the following features: (1) personalization, (2) real-time functions, and (3) deliverable resources. METHODS We will conduct a systematic search of electronic databases, including MEDLINE, CINAHL, Embase, PsycINFO, and Web of Science for studies published since 2010. First, we will use keywords that combine mHealth, interventions, chronic disease prevention, and self-management. Second, we will use keywords that cover diet, physical activity, and sedentary behavior. Literature found in the first and second steps will be combined. Finally, we will use keywords for personalization and real-time functions to limit the results to interventions that have reported these design features. We expect to perform narrative syntheses for each of the 3 target design features. Study quality will be evaluated using the Risk of Bias 2 assessment tool. RESULTS We have conducted a preliminary search of existing systematic reviews and review protocols on mHealth-supported behavior change interventions. We have identified several reviews that aimed to evaluate the efficacy of mHealth behavior change interventions in a range of populations, evaluate methodologies for assessing mHealth behavior change randomized trials, and assess the diversity of behavior change techniques and theories in mHealth interventions. However, syntheses on the unique features of mHealth intervention design are absent in the literature. CONCLUSIONS Our findings will provide a basis for developing best practices for designing mHealth tools for sustainable behavior change. CLINICALTRIAL PROSPERO CRD42021261078; https://tinyurl.com/m454r65t INTERNATIONAL REGISTERED REPORT PRR1-10.2196/39093
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 | 0,090 | 0,133 |
| Méta-épidémiologie (sens strict) | 0,006 | 0,006 |
| Méta-épidémiologie (sens large) | 0,016 | 0,016 |
| Bibliométrie | 0,013 | 0,015 |
| Études des sciences et des technologies | 0,004 | 0,004 |
| Communication savante | 0,008 | 0,009 |
| Science ouverte | 0,004 | 0,005 |
| Intégrité de la recherche | 0,007 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,089 | 0,012 |
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 ».