Effectiveness of text message-delivered health behaviour intervention on HbA1c change in adults with type 2 diabetes mellitus: a systematic review and meta-analysis of randomised controlled 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
This study aims to investigate the effectiveness of text message-delivered health behaviours intervention on HbA1c change among adults with T2DM, and to identify key moderators including intervention features, message characteristics, target behaviours, and the usage of behaviour change techniques (BCTs). We systematically reviewed 37 randomised controlled trials published between 2016 and 2025, involving 8,971 participants. Changes in HbA1c and health behaviours were analysed using the standardised mean difference. The meta-analysis revealed a significant reduction in HbA1c (g = −0.32, 95% CI = −0.46 to – 0.18). Meta-regression also found that the intervention significantly improved health behaviours, which in turn predicted a significant reduction in HbA1c levels. Subsequent subgroup analyses revealed that studies with a shorter duration (≤6 months) demonstrated a larger effect size in reducing HbA1c. Notably, interventions employing specific BCTs including ‘body changes’ (g = −0.643), ‘habit formation’ (g = −0.624), ‘credible source’ (g = −0.513), ‘self-monitoring of outcomes of behaviours’ (g = −0.377), and "instruction on how to perform the behaviour’ (g = −0.354) were significantly associated with greater HbA1c reductions. These effects were particularly pronounced in trials focused on physical activity, healthy eating, and medication adherence. Conclusions suggest that text message-delivered health behavior interventions should be tailored to specific target behavior and incorporate these high-impact BCTs to comprehensively improve diabetes management.
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 | 0,075 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,073 | 0,004 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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