Components of multiple health behaviour change interventions for patients with chronic conditions: a systematic review and meta-regression of randomized trials
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Interventions addressing more than one health behaviour at a time could be an efficient way of intervening to manage chronic conditions. Within a systematic review of multiple health behaviour change (MBHC) interventions, we identified key components of interventions in patients with chronic conditions, assessed how they are linked to theory, behaviour change techniques implemented, and evaluated their impact on intervention effectiveness. Studies were identified by systematically searching five electronic databases. Subgroup analyses and meta-regressions were conducted to analyse the association between intervention components and behavioural changes. In total, 61 studies were included spanning different chronic conditions (e.g., cardiovascular conditions, type 2 diabetes). Most interventions sought to change behaviours simultaneously (72%), often targeting the ‘physical activity, diet and smoking’ cluster of behaviours (33%), and were not theory informed (55%). A total of 36 behaviour change techniques were identified, most commonly goal setting behaviour and self-monitoring of behaviour. Subgroup analyses indicated that MHBC interventions delivered entirely face-to-face might not be as effective for physical activity outcomes, and not using goal setting (behaviour) might be more effective for smoking cessation outcomes. Meta-regressions indicated that a longer intervention duration may work best to achieve better physical activity outcomes. This review provides a comprehensive understanding of interventions and contributes to the field of MHBC by facilitating data-driven insights for future optimisation and dissemination.
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.
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 | 0,031 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,046 | 0,004 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle