Effect of digital health applications with or without gamification on physical activity and cardiometabolic risk factors: a systematic review and meta-analysis of randomized controlled trials
Notice bibliographique
Résumé
Background: Use of health applications (apps) to support healthy lifestyles has intensified. Different app features may support effectiveness, including gamification defined as the use of game elements in a non-game situation. Whether health apps with gamification can impact behaviour change and cardiometabolic risk factors remains unknown. We conducted a systematic review and meta-analysis to determine the effect of health apps with gamification compared to non-gamified apps (control) on physical activity and cardiometabolic risk factors. Methods: MEDLINE, EMBASE, and Cochrane library databases were searched through May 21st, 2024. We included controlled trials in adults (≥1 years) of all health backgrounds, with intervention periods ≥8-weeks, assessing the effect of gamification strategies used in health behaviour apps on adherence, cardiometabolic risk factors, total energy, and dietary nutrients of concern. Independent reviewers extracted relevant data and assessed risk of bias. Outcomes included physical activity and cardiometabolic risk factors (adiposity, glycemia, lipids, blood pressure and dietary factors). Data were pooled using the inverse variance method and expressed as mean differences (MD) with 95% confidence intervals (CI). Certainty of evidence was assessed using Grading of Recommendations Assessment, Development, and Evaluation (GRADE). Protocol registration was on ClinicalTrials.gov (NCT04633070). Findings: [-0.44 to -0.12]; moderate) and body weight (-0.70 kg [-1.18 to -0.22]; moderate), and small important reductions in body fat (-1.92% [-2.71 to -1.14]; high) and waist circumference (-1.16 cm [-1.93 to -0.39]; moderate). No differences were observed for other outcomes (very low-to-high). Interpretation: Current evidence provides a good indication that gamification features in apps targeting physical activity or measures of adiposity results in slight improvements in these outcomes compared to non-gamified versions. Recommendations to use an app for increasing physical activity or targeting weight loss should consider those with gamification features. Funding: None.
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 | 0,018 | 0,049 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,025 | 0,037 |
| Bibliométrie | 0,007 | 0,008 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,003 |
| 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 ».