O86 EFFECTIVENESS OF A MHEALTH (MOBILE-BASED) INTERVENTION FOR THE MANAGEMENT OF CARDIOVASCULAR DISEASES IN SOUTH ASIAN COUNTRIES: A SYSTEMATIC REVIEW AND META-ANALYSIS
Notice bibliographique
Résumé
Background: Cardiovascular disease (CVDs) is the leading cause of preventable death and disability, accounting for 18.6 million deaths and 393 million DALYs in 2019. The effectiveness of mobile health (mHealth) interventions for managing CVD in South Asia is poorly documented. This systematic review evaluates the impact of mHealth on cardiovascular health outcomes in this region. Methods: We conducted a systematic search of MEDLINE, EMBASE, CINAHL, Web of Science, and Scopus, covering the period from January 2000 to December 2023. Our search focused on studies employing mobile-based interventions, such as apps, SMS, video conferencing, or phone calls, to improve cardiovascular outcomes, including blood pressure, medication adherence, and physical activity. Data were synthesised using a random-effects meta-analysis, estimating summary hazard ratios (HRs) and 95% confidence intervals (CIs). This review was registered in PROSPERO (CRD42022340907). Results: We identified 1483 studies, of which 14 met our inclusion criteria, encompassing 30,939 participants (17,240 intervention; 14,984 control). Participants ages ranged from 46.4 to 60.6 years. Six studies reported improvement in systolic blood pressure (SBP), one reported improvement in cholesterol, two reported change in self-reported physical activity, and three reported improvement in medical adherence. Meta-analysis revealed a significant reduction in systolic blood pressure (SBP) by -2.32 (95% CI: -4.25 to -0.40; P=0.02) in the intervention arm. No significant changes were observed in diastolic blood pressure (DBP) or medication adherence, with DBP showing a reduction of -1.13 (95% CI: -1.69 to 1.42; P=0.87) and medication adherence an effect size of 0.44 (95% CI: -0.06 to 0.94; P=0.08). Conclusions: mHealth interventions in South Asia show promise in reducing SBP among individuals with CVD, though effects on DBP and medication adherence are less pronounced. The observed benefits are constrained by high heterogeneity and a limited number of studies, indicating the need for further research to consolidate these findings and explore additional CVD outcomes.
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 | 0,016 | 0,039 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,001 |
| Méta-épidémiologie (sens large) | 0,019 | 0,037 |
| Bibliométrie | 0,007 | 0,008 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».