Promoting child and adolescent health through wearable technology: A systematic review
Notice bibliographique
Résumé
Background Wearable technology is used in healthcare to monitor the health of individuals. This study presents an updated systematic literature review of the use of wearable technology in promoting child and adolescent health, accompanied by recommendations for future research. Methods This review focuses on studies involving children and adolescents aged between 2 and 18 years, regardless of their health condition or disabilities. Studies that were published from 2016 to 2024, and which met the inclusion criteria, were extracted from four academic databases (i.e. PubMed, Cochrane, Embase, and Web of Science) using the Preferred Reporting Items for Systematic Review and Meta-Analyses (PRISMA) protocol. Data on intervention purposes, interventions deployed, intervention duration, measurements, and the main outcomes of the studies were collected. Results A total of 53 studies involving 14,852 participants were reviewed. They focused on various aspects, including the ownership and use of wearable devices ( n = 3), the feasibility ( n = 22), effectiveness ( n = 4), and adherence ( n = 2) of intervention strategies, or a combination of multiple aspects ( n = 22). Among the interventions deployed, Fitbit was the most frequently used, featuring in 26 studies, followed by ActiGraph ( n = 11). In intervention studies, the majority of studies focused on pre-morbidity prevention ( n = 26) and the treatment of illnesses ( n = 20), with limited attention given to postoperative monitoring ( n = 4). Conclusions The use of wearable technology by children and adolescents has proven to be both feasible and effective for health promotion. This systematic review summarizes existing research by exploring the use of wearable technology in promoting health across diverse youth populations, including healthy and unhealthy individuals. It examines health promotion at various stages of the disease continuum, including pre-disease prevention, in-disease treatment, and postoperative monitoring. Additionally, the review provides directions for future research.
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 | 0,008 | 0,028 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,006 | 0,007 |
| Bibliométrie | 0,010 | 0,009 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».