MétaCan
Menu
Retour à la cohorte
Enregistrement W4403840668 · doi:10.1080/17437199.2024.2413871

Components of multiple health behaviour change interventions for patients with chronic conditions: a systematic review and meta-regression of randomized trials

2024· review· en· W4403840668 sur OpenAlexaff
Carolina C. Silva, Justin Presseau, Zack van Allen, John Dinsmore, Paulina Schenk, Maiara Moreto, Marta M. Marques

Notice bibliographique

RevueHealth Psychology Review · 2024
Typereview
Langueen
DomaineHealth Professions
ThématiqueMobile Health and mHealth Applications
Établissements canadiensOttawa HospitalUniversity of Ottawa
Organismes subventionnairesFundação para a Ciência e a Tecnologia
Mots-clésRandomized controlled trialPsychological interventionMeta-analysisMeta-regressionSystematic reviewMedicinePsychologyClinical psychologyPhysical therapyMEDLINEInternal medicinePsychiatryBiology

Résumé

récupéré en direct d'OpenAlex

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.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,037
score de la tête « metaresearch » (Gemma)0,088
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: Revue systématique
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,037
Score d'incertitude au seuil0,198

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0370,088
Méta-épidémiologie (sens strict)0,0040,002
Méta-épidémiologie (sens large)0,0220,041
Bibliométrie0,0100,010
Études des sciences et des technologies0,0010,001
Communication savante0,0040,003
Science ouverte0,0020,003
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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.

Tête enseignante Opus0,541
Tête enseignante GPT0,637
Écart entre enseignants0,096 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeRevue systématique
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHealth Psychology ReviewMême sujetMobile Health and mHealth ApplicationsTravaux en français237 207