MétaCan
Menu
Retour à la cohorte
Enregistrement W4403912260 · doi:10.2196/50662

The Effect of Nutritional Mobile Apps on Populations With Cancer: Systematic Review

2024· review· en· W4403912260 sur OpenAlexvenueno aff
Krystal Lu Shin Ng, Murallitharan Munisamy, Joanne Lim, Mustafa Ahmed Alshagga

Notice bibliographique

RevueJMIR Cancer · 2024
Typereview
Langueen
DomaineHealth Professions
ThématiqueMobile Health and mHealth Applications
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPreprintComputer scienceWorld Wide Web

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Limited access to nutrition support among populations with cancer is a major barrier to sustainable and quality cancer care. Increasing use of mobile health in health care has raised concerns about its validity and health impacts. OBJECTIVE: This systematic review aimed to determine the effectiveness of commercial or cancer-specific nutritional mobile apps among people living with cancer. METHODS: A systematic search of the CENTRAL, Embase, PubMed (MEDLINE), and Scopus databases was carried out in May 2024. All types of intervention studies were included, except observational studies, gray literature, and reference lists of key systematic reviews. Studies were eligible for inclusion if they involved (1) patients with or survivors of cancer and (2) nutrition-related mobile apps. Studies were excluded if the nutrition intervention was not delivered via mobile app or the app intervention was accompanied by dietary counseling. The review process was conducted based on the PRISMA (Preferred Reporting Items for Systematic Reviews and Meta-Analyses) guidelines. The Risk of Bias 2 and Risk of Bias in Nonrandomized Studies tools were used to assess the study quality. The Cochrane Review Manager (version 5.4) software was used to synthesize the results of the bias assessment. RESULTS: A total of 13 interventions were included, comprising 783 adults or teenagers with cancer. Most studies focused on breast cancer (6/13, 46%), overweight (6/13, 46%), and survivors (9/13, 69%). Data on anthropometry and body composition (7/13, 54%; 387 participants), nutritional status (3/13, 23%; 249 participants), dietary intake (7/13, 54%; 352 participants), and quality of life (6/13, 46%; 384 participants) were gathered. Experimental groups were more likely to report significant improvements in body weight or composition, dietary compliance, nutritional status, and quality of life than control groups. CONCLUSIONS: Although mobile app platforms are used to deliver nutrition interventions, the evidence for long-term efficacy, particularly in populations with cancer, remains elusive. More robust randomized controlled trials with larger sample sizes, as well as more homogeneous population characteristics and outcome measures, are warranted. TRIAL REGISTRATION: PROSPERO CRD42023330575; https://tinyurl.com/55v56yaj.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,442
Score d'incertitude au seuil0,996

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0030,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,001

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 Opus0,081
Tête enseignante GPT0,547
Écart entre enseignants0,466 · 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 tête enseignante, 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

Citations8
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR CancerMême sujetMobile Health and mHealth ApplicationsTravaux en français237 207