Enhancing Postsecondary Students' Dietary Behaviours: A Systematic Review of Mobile Health Interventions
Notice bibliographique
Résumé
Inadequate dietary intake among postsecondary students can negatively impact academic achievement, mental health and the development of chronic disease later in life. Mobile health (mHealth) interventions offer a unique opportunity to improve dietary behaviours in this population, who report frequent use of mobile devices. This systematic review evaluated the impact of mHealth diet interventions on postsecondary students' dietary behaviours. A literature search was conducted in January 2025 using six electronic databases (Web of Science, Scopus, CINAHL, EMBASE, Medline and PsycINFO). Eligible intervention studies included randomized controlled trials (RCTs) and pre-post studies, with or without a control group. The interventions had to include at least one dietary behaviour outcome variable and involve only enroled postsecondary students. Sample and intervention characteristics, intervention results, as well as equity and behaviour change theory use and reporting, were extracted. Findings were reported as a narrative synthesis. Eleven studies met the inclusion criteria and were included in this review. Of the studies reviewed, 10 reported a positive and significant impact on at least one dietary behaviour in the postsecondary student population. Notably, 5 of the 6 studies assessing fruit and/or vegetable intake found significant improvements following the mHealth interventions. However, the clinical significance of these should be noted: some reported dietary changes were relatively small. Overall, mHealth interventions show promise in improving postsecondary students' dietary behaviours. However, further research is necessary, and future interventions should ensure the use of validated dietary assessment tools and longer follow-up periods to evaluate long-term effectiveness.
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 | 0,008 | 0,030 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,006 | 0,007 |
| Bibliométrie | 0,007 | 0,008 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,001 |
| 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 ».