Electronic Interactive Games for Glycemic Control in Individuals With Diabetes: Systematic Review and Meta-Analysis
Notice bibliographique
Résumé
BACKGROUND: Several electronic interventions have been used to improve glycemic control in patients with diabetes. Electronic interactive games specific to physical activity are available, but it is unclear if these are effective at improving glycemic control in patients with diabetes. OBJECTIVE: This study aimed to determine the effects of electronic game-based interventions on glycemic control in patients with diabetes. METHODS: Relevant studies that were published before April 1, 2023, were searched from 5 databases: PubMed, Embase, Web of Science, Scopus, and Cochrane Library. Eligibility criteria included prospective studies examining the relationship between electronic games with physical activities or diet education and glycemic control as the outcome. The risk of bias was assessed using the Cochrane risk-of-bias tool. All analyses were conducted using RevMan5.4.1. Depending on the heterogeneity across studies, the pooled effects were calculated using fixed-effects or random-effects models. RESULTS: (-0.09%, 95% CI -0.29% to 0.10%) or fasting blood glucose (-0.94 mg/dL, 95% CI -9.34 to 7.46 mg/dL). However, the physical activity of individuals in the intervention group was significantly higher than that of those in the control group (standardized mean difference=0.84, 95% CI 0.30 to 1.38; P=.002). Other outcomes, such as weight and blood lipids, exhibited no significant improvement (all P>.05). CONCLUSIONS: Electronic games had a good impact on participants' physical activity and offered an advantage in glycemic control without reaching statistical significance. Electronic games are convenient for reminders and education. Low-intensity exercise games may not be considered a better adjuvant intervention to improve diabetes self-management care.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».