MétaCan
Menu
← Retour à la cohorte
Enregistrement W4396674068 · doi:10.1136/bmjopen-2024-084075

Effectiveness and cost-effectiveness of a 12-month automated text message intervention for weight management in postpartum women with overweight or obesity: protocol for the Supporting MumS (SMS) multisite, parallel-group, randomised controlled trial

2024· article· en· W4396674068 sur OpenAlexaff
Dunla Gallagher, Eleni Spyreli, Annie S. Anderson, Sally Bridges, Chris R. Cardwell, Elinor Coulman, Stephan U Dombrowski, Caroline Free, Suzie Heaney, Pat Hoddinott, Frank Kee, Clíona McDowell, Emma McIntosh, Jayne V. Woodside, Michelle C. McKinley

Notice bibliographique

RevueBMJ Open · 2024
Typearticle
Langueen
DomaineHealth Professions
ThématiqueMobile Health and mHealth Applications
Établissements canadiensUniversity of New Brunswick
Organismes subventionnairesHealth and Social Care Research and Development DivisionPublic Health Research ProgrammeMedical Research CouncilNational Institute for Health and Care Research
Mots-clésMedicineOverweightWeight lossBody mass indexRandomized controlled trialPsychological interventionWeight managementObesityQuality of life (healthcare)Weight changeGerontologySocioeconomic statusPhysical therapyPopulationEnvironmental healthNursingInternal medicine

Résumé

récupéré en direct d'OpenAlex

Introduction The reproductive years can increase women’s weight-related risk. Evidence for effective postpartum weight management interventions is lacking and engaging women during this life stage is challenging. Following a promising pilot evaluation of the Supporting MumS intervention, we assess if theory-based and bidirectional text messages to support diet and physical activity behaviour change for weight loss and weight loss maintenance, are effective and cost-effective for weight change in postpartum women with overweight or obesity, compared with an active control arm receiving text messages on child health and development. Methods and analysis Two-arm, parallel-group, assessor-blind randomised controlled trial with cost-effectiveness and process evaluations. Women (n=888) with body mass index (BMI) ≥25 kg/m 2 and within 24 months of giving birth were recruited via community and National Health Service pathways through five UK sites targeting areas of ethnic and socioeconomic diversity. Women were 1:1 randomised to the intervention or active control groups, each receiving automated text messages for 12 months. Data are collected at 0, 6, 12 and 24 months. The primary outcome is weight change at 12 months from baseline, compared between groups. Secondary outcomes include weight change (24 months) and waist circumference (cm), proportional weight gain (>5 kg), BMI (kg/m 2 ), dietary intake, physical activity, infant feeding and mental health (6, 12 and 24 months, respectively). Economic evaluation examines health service usage and personal expenditure, health-related quality of life and capability well-being to assess cost-effectiveness over the trial and modelled lifetime. Cost–utility analysis examines cost per quality-adjusted life-years gained over 24 months. Mixed-method process evaluation explores participants’ experiences and contextual factors impacting outcomes and implementation. Stakeholder interviews examine scale-up and implementation. Ethics and dissemination Ethical approval was obtained before data collection (West of Scotland Research Ethics Service Research Ethics Committee (REC) 4 22/WS/0003). Results will be published via a range of outputs and audiences. Trial registration number ISRCTN16299220 .

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,012
score de la tête « metaresearch » (Gemma)0,018
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Essai randomisé · Signal consensuel: Essai randomisé
GenreSignal candidat: Protocole · Signal consensuel: Protocole
Score de désaccord entre enseignants0,027
Score d'incertitude au seuil0,092

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0120,018
Méta-épidémiologie (sens strict)0,0060,002
Méta-épidémiologie (sens large)0,0090,005
Bibliométrie0,0020,002
Études des sciences et des technologies0,0010,003
Communication savante0,0030,003
Science ouverte0,0030,002
Intégrité de la recherche0,0060,005
Charge utile insuffisante (le modèle a refusé de juger)0,0270,004

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 Opus0,061
Tête enseignante GPT0,490
Écart entre enseignants0,429 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeEssai randomisé
Domainenon disponible
GenreProtocole

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

En bref

Citations4
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBMJ Open→Même sujetMobile Health and mHealth Applications→Travaux en français237 207→