Effectiveness of Interventions for Changing More Than One Behavior at a Time to Manage Chronic Conditions: A Systematic Review and Meta-analysis
Notice bibliographique
Résumé
BACKGROUND: Health behaviors play a significant role in chronic disease management. Rather than being independent of one another, health behaviors often co-occur, suggesting that targeting more than one health behavior in an intervention has the potential to be more effective in promoting better health outcomes. PURPOSE: We aimed to conduct a systematic review and meta-analysis of randomized trials of interventions that target more than one behavior to examine the effectiveness of multiple health behavior change interventions in patients with chronic conditions. METHODS: Five electronic databases (Web of Science, PubMed, CINAHL, EMBASE, and Cochrane) were systematically searched in November 2023, and studies included in previous reviews were also consulted. We included randomized trials of interventions aiming to change more than one health behavior in individuals with chronic conditions. Two independent reviewers screened and extracted data, and used Cochrane's Risk of Bias 2 tool. Meta-analyses were conducted to estimate the effects of interventions on change in health behaviors. Results were presented as Cohen's d for continuous data, and risk ratio for dichotomous data. RESULTS: Sixty-one studies were included spanning a range of chronic diseases: cardiovascular (k = 25), type 2 diabetes (k = 15), hypertension (k = 10), cancer (k = 7), one or more chronic conditions (k = 3), and multiple conditions (k = 1). Most interventions aimed to change more than one behavior simultaneously (rather than in sequence) and most targeted three particular behaviors at once: "physical activity, diet and smoking" (k = 20). Meta-analysis of 43 eligible studies showed for continuous data (k = 29) a small to substantial positive effect on behavior change for all health behaviors (d = 0.081-2.003) except for smoking (d = -0.019). For dichotomous data (k = 23) all analyses showed positive effects of targeting more than one behavior on all behaviors (RR = 1.026-2.247). CONCLUSIONS: Targeting more than one behavior at a time is effective in chronic disease management and more research should be directed into developing the science of multiple behavior change.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,013 | 0,005 |
| Bibliométrie | 0,002 | 0,002 |
| 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) | 0,001 | 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 ».