Increasing activity and reducing sedentary behaviour for people with severe mental illness: what are the active ingredients for behaviour change? A systematic review
Notice bibliographique
Résumé
Increasing physical activity (PA) and reducing sedentary behaviour (SB) can improve health outcomes and reduce rates of premature mortality for people with severe mental illness (SMI). In this systematic review we aimed to explore the active ingredients of existing PA interventions for people with SMI. We reviewed intervention functions, behaviour change techniques (BCTs), contextual features and underpinning theories. We included 15 PA interventions, of which 4 were classed as effective (effect size >0.273). We identified the frequency of intervention functions and BCTs that were used in each study and compared the number of effective studies that featured a particular BCT or intervention function with the total number that featured those components. We used the TIDieR checklist to document contextual features that might be important within effective interventions including the theories that guided the development of interventions. The most frequently used functions were education and environmental restructuring, both of which were identified in effective interventions. The BCTs that were identified as potentially useful were framing and reframing, feedback on behaviour and self-monitoring. No discernible contextual features were unique to the effective interventions, but combinations of some features seemed to be (PA tracking, educational components and support delivered by community health teams). More high quality and better reported studies are required to strengthen this evidence base.Prospero registration: PROSPERO 2024 CRD42024541859
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 | 0,007 | 0,030 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,008 | 0,007 |
| Bibliométrie | 0,005 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».