Articolo metodologico

Effetti degli interventi ecologici momentanei sull'emoglobina gliccata, sull'indice di massa corporea e sulla qualità della vita nelle persone con diabete di tipo 2: una recensione

DOI:

10.3791/70983

⸱

5 maggio 2026

 ,  ,  ,  ,  ,  , 
1School of Nursing, Chengdu University of Traditional Chinese Medicine, 2School of Nursing, Sun Yat-sen University, 3Dean’s Office, Sichuan Nursing Vocational College

In questo articolo

Sommario

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Questa revisione sistematica e meta-analisi valutano l'efficacia degli interventi ecologici momentanei sul controllo glicemico, la gestione del peso e la qualità della vita nelle persone con diabete di tipo 2.

Abstract

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

La prevalenza globale del diabete mellito di tipo 2 (T2DM) continua ad aumentare. Una gestione efficace della glicemia e del peso è fondamentale per il controllo delle malattie e per migliorare la qualità della vita. Gli interventi momentanei ecologici (EMI), che forniscono supporto personalizzato in tempo reale basato su valutazioni momentanee ecologiche (EMA) delle variabili rilevanti, offrono un approccio promettente per promuovere l'autogestione adattativa nella vita quotidiana. Abbiamo cercato sistematicamente cinque database dall'inizio fino ad agosto 2025. Gli esiti primari includevano emoglobina glicata (HbA1c) e indice di massa corporea (BMI); gli esiti secondari riguardavano la qualità della vita (HRQoL) legata alla salute fisica e mentale. Sono stati inclusi quattordici studi, di cui un totale di 1.873 partecipanti. Rispetto ai controlli, le EMI hanno ridotto significativamente l'HbA1c (DM = -0,71, IC 95%: -1,02 a -0,40, p < 0,001) e l'IMC (DM = -1,08, IC 95%: -1,90 a -0,26, p = 0,01), con eterogeneità sostanziale tra gli studi (I2 = 84% e 92%, rispettivamente). Le analisi dei sottogruppi hanno mostrato effetti più coerenti per EMI complete multidominio, mentre gli effetti delle EMI a dominio singolo variavano a seconda del contenuto dell'intervento. Le EMI sono state inoltre associate a miglioramenti modesti fisici (SMD = 0,37, IC 95%: 0,17-0,56, p < 0,001; I2 = 47%) e mentale (SMD = 0,42, IC 95%: 0,15-0,68, p = 0,002; I2 = 0%) HRQoL. Questi risultati suggeriscono che le EMI, in particolare le strategie complete multidominio, sembrano un intervento promettente per la gestione del T2DM, tuttavia la certezza complessiva delle evidenze attuali è limitata da una marcata eterogeneità, un potere statistico limitato nei sottogruppi e un certo rischio di bias, che richiedono un'interpretazione cauta dei risultati. Le ricerche future dovrebbero dare priorità a progetti di alta qualità e valutazioni complete degli esiti.

Introduzione

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Si stima che nel 2024 ci fossero circa 589 milioni di persone con diabete nel mondo, e questo numero dovrebbe salire a 853 milioni entro il 2050. Il diabete mellito di tipo 2 (T2DM) rappresenta circa il 90–95% di tutti i casi di diabete, mentre il diabete impone un onere economico annuale di quasi 1,015 trilioni di dollari USAa livello globale, esercitando una notevole pressione sui sistemi sanitari di tuttoil mondo. Una gestione efficace della glicemia è essenziale per ridurre il carico di malattia del T2DM e migliorare la qualità della vita tra le persone con T2DM. In particolare, oltre il 60% delle persone con diabete tipo 2 presenta anche sovrappeso oobesità 4; un indice di massa corporea (BMI) elevato aggrava la resistenza all'insulina e complica il controlloglicemico 5. Una cattiva gestione della glicemia e del peso corporeo aumenterà significativamente il rischio di complicazioni microvascolari e macrovascolari, portando potenzialmente a esiti clinici potenzialmenteletali 6,7. Tuttavia, raggiungere un controllo glicemico e del peso ottimale dipende fondamentalmente da comportamenti di autogestione quotidiana efficaci da parte degli individui, inclusi ma non limitati al monitoraggio della glicemia nel sangue, aggiustamenti alimentari, attività fisica e aderenza ai farmaci8. Queste pratiche sono fondamentali per ridurre i rischi correlati alle malattie e ottimizzare gli esiti a lungo termine.

Negli ultimi anni, la tecnologia è stata sempre più utilizzata per supportare l'autogestione e migliorare l'aderenza al trattamento tra le persone con diabete diabetico tipo 2. Rispetto agli interventi tradizionali, attualmente disponibili consulenza telefonica, servizi di messaggistica breve (SMS) o altre piattaforme digitali hanno migliorato in una certa misura l'accessibilità e la continuità dei servizi sanitari 9,10,11. Tuttavia, quando gli individui affrontano decisioni immediate o sfide come bassa motivazione o conoscenza limitata nella vita quotidiana, i modelli di interazione fissa non hanno ancora la capacità di fornire supporto in tempo reale e rilevanteper il contesto 12,13. In particolare, alcuni programmi si basano ancora su auto-relazioni retrospettive o valutazioni cliniche a intervalli lunghi, che sono inadeguate per catturare la natura dinamica e contestuale dell'esperienza T2DM, non fornendo quindi un supportopersonalizzato 14. Pertanto, nel contesto in evoluzione della telemedicina, come rispondere meglio alle esigenze delle persone con T2DM per un feedback personalizzato e in tempo reale per promuovere la loro partecipazione efficace all'autogestione del diabete rimane una questione urgenteda affrontare 15,16.

Gli interventi ecologici momentanei (EMI) si riferiscono a una strategia di supporto comportamentale che utilizza la tecnologia digitale per fornire feedback in tempo reale e personalizzato negli ambienti naturali degliindividui 17,18. La sua caratteristica chiave è la capacità di fornire interventi adattivi quando si verificano comportamenti malsani o ad alto rischio, basandosi sui dati raccolti dalle valutazioni momentanee ecologiche (EMA), superando così i limiti dei protocolli di trattamentopredeterminati 19. In questo studio, abbiamo chiarito una definizione operativa di EMI nel presente studio basata sulle descrizioni fondamentali dell'EMI dalla letteraturaesistente 17,20, con tre requisiti minimi necessari per gli studi inclusi: (1) Gli interventi sono erogati tramite piattaforme digitali o elettroniche negli ambienti di vita quotidiana dei partecipanti e sono accessibili durante le attività di routine dei partecipanti, invece di essere limitati a contesti clinici o supervisionati; (2) Le informazioni vengono ottenute tramite EMA, che catturano cambiamenti momentanei negli stati rilevanti della vita quotidiana degli individui, e questi dati vengono utilizzati per guidare l'erogazione degli interventi quando è necessario supporto; (3) Gli interventi devono fornire feedback adattivi e personalizzati o supporto comportamentale in risposta ai dati EMA raccolti, invece di affidarsi esclusivamente a contenuti preimpostati, non personalizzati e non correlati ai risultati individuali della valutazione. Teoricamente, integrandosi senza soluzione di continuità nella vita quotidiana e adattando dinamicamente le strategie di supporto in base ai cambiamenti in tempo reale, le EMI possono rafforzare la rilevanza e l'efficacia degliinterventi 20. Offre un potenziale vantaggio nel facilitare il passaggio da comportamenti abituali a comportamenti orientati a obiettivi e nel migliorare l'autogestione dellamalattia 21,22. Come forma di intervento nella salute digitale, le EMI possono essere particolarmente adatte a persone con alfabetizzazione digitale di base e accesso a dispositivi smart, che possono beneficiare di supporto in tempo reale per le decisioni quotidiane di gestione del T2DM, in particolare in contesti dove l'accesso al supporto regolare in presenza èlimitato 23 anni. Tuttavia, sono probabilmente meno adatti a chi si sente a disagio nell'usare dispositivi smart e a chi ha preoccupazioni sulla privacy deidati 17.

Un numero crescente di studi ha iniziato a esplorare l'applicazione delle EMI nella gestione del T2DM. La maggior parte di questi interventi si concentra sul fornire indicazioni immediate sullo stile di vita (ad esempio, controllo calorico nella dieta, aggiustamento dell'intensità dell'esercizio) raccogliendo dati dinamici in tempo reale (ad esempio, glucosio nel sangue, dieta, attività fisica) dagliindividui 24,25,26. Sono considerate promettenti per promuovere il controllo glicemico e la gestione del peso tra le persone con diabete diabetico tipo 2, fornendo prove oggettive e quantificabili per valutare l'efficacia delle EMI. Alcuni studi hanno anche valutato l'impatto delle EMI sugli esiti riportati dai pazienti per comprenderne approfondamente i benefici complessivi. Tuttavia, finora non è stata effettuata alcuna integrazione e valutazione sistematica di questi risultati. Inoltre, gli studi EMI esistenti mostrano differenze significative nelle strategie di intervento T2DM e nella progettazione dei contenuti, e manca una discussione sulla loro fattibilità clinica. Pertanto, questa revisione sistematica e meta-analisi mirano a valutare l'efficacia delle EMI sugli esiti clinicamente rilevanti nelle persone con T2DM, fornendo evidenze per l'ottimizzazione e la promozione delle EMI nella gestione del T2DM.

Accesso limitato. Accedi o avvia una prova gratuita per visualizzare questo contenuto.

Protocollo

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

La revisione sistematica e la meta-analisi sono state condotte seguendo le linee guida PRISMA (Tabella Supplementare 1)27. Il protocollo per questa revisione è stato registrato in PROSPERO: n. CRD420251132100.

1. Strategia di ricerca

  1. Selezione dei database: Eseguire un approccio sistematico su cinque principali database elettronici: PubMed, Cochrane Library, Embase, Web of Science e Scopus. Assicurati che la ricerca includa tutti i record dall'inizio del database fino ad agosto 2025.
  2. Sviluppo dei termini di ricerca: Utilizzare una combinazione di titoli di soggetto medico (MeSH) e parole chiave in testo libero. Includere concetti chiave come "diabete mellito di tipo 2", "intervento ecologico momentaneo" e "trial controllato randomizzato". Combina questi termini usando operatori booleani appropriati (AND, OR).
  3. Esecuzione della ricerca: Adatta la sintassi di ricerca costruita ai requisiti specifici di ogni database. Fornisci la strategia di ricerca dettagliata nella Tabella Supplementare 2.

2. Applicazione dei criteri di idoneità

  1. Criteri di inclusione: (1) Popolazione: adulti (età ≥18 anni) diagnosticati con DMO T2, indipendentemente dal genere; (2) Intervento: EMI erogate tramite strumenti abilitati dalla tecnologia (ad esempio, smartphone, applicazioni mobili, sensori, dispositivi indossabili) che forniscono feedback e supporto in tempo reale in ambiti di assistenza primaria o domiciliare; (3) Confronto: cure abituali, cure standard o interventi senza componenti correlati all'EMI (ad esempio, automonitoraggio tradizionale e guida senza feedback in tempo reale); (4) Esiti: l'emoglobina glicata (HbA1c) è il punto di riferimento per la valutazione del controllo glicemico a lungo termine nelle persone con T2DM2, e l'IMC è un indicatore fondamentale per la gestione del peso e lo stato metabolico, strettamente associato alla progressione del T2DM 2,28. La qualità della vita legata alla salute (HRQoL) è un importante esito riportato dai pazienti per valutare l'impatto degli interventi sulla salute e sul benessere29. Pertanto, si selezionano HbA1c e BMI come esiti primari e si definisce HRQoL riportato dal paziente come risultato secondario. (5) Tipo di studio: studi controllati randomizzati (RCT).
    NOTA: Per riflettere in modo più completo i potenziali benefici dell'intervento, prevediamo di estrarre altri esiti soggettivi riportati dai pazienti relativi all'autogestione per ulteriori analisi supplementari esploratorie. Di conseguenza, è necessario che gli studi idonei riportino almeno uno dei seguenti esiti: HbA1c (misurato in percentuale o mmol/mol), BMI (kg/m 2) o esiti riportati dai pazienti (ad esempio, attività di autocura del diabete o HRQoL);
  2. Criteri di esclusione: Escludere studi che soddisfano uno dei seguenti criteri: (1) riportano gli obiettivi target ma non forniscono risultati statistici corrispondenti per riferimento, o non dispongono di testo integrale; (2) segnalare dati duplicati; (3) iscrivere donne in gravidanza o in allattamento con diabete di tipo 2.

3. Procedura di selezione degli studi

  1. Gestione dei documenti: Importare tutti i documenti di letteratura identificati nel software di gestione dei riferimenti (Tabella dei Materiali) per facilitare la rimozione dei record duplicati.
  2. Processo di selezione: Svolgi questo compito alla cieca, con due autori che esaminano indipendentemente i titoli degli articoli e gli abstract, escludendo quelli che non soddisfano i criteri di inclusione, e poi leggendo i testi completi degli articoli idonei per ulteriori verifiche. Risolvere eventuali discrepanze che sorgono durante questo processo tramite consenso con un terzo autore.

4. Metodo di estrazione dati

  1. Modulo di estrazione: Estrarre i dati utilizzando un modulo standardizzato e pilotato creato in un foglio elettronico (Tabella dei Materiali).
  2. Punti dati: Utilizzare variabili per l'analisi coerenti con gli esiti predefiniti specificati nei criteri di inclusione. Organizza ogni articolo in base alle informazioni di base sulla pubblicazione (anno, paese, autori/i), caratteristiche dei partecipanti (età, numero di partecipanti donne, dimensione del campione e distribuzione dei gruppi), strategie di reclutamento, dettagli dei gruppi di intervento (dispositivi utilizzati per EMA, tipi e frequenza di dati raccolti, piattaforma di erogazione, framework, metodi, contenuti, durata e coinvolgimento umano per l'EMI) e misure di esito.

5. Valutazione del rischio di bias

  1. Strumento di valutazione: Valutare gli studi selezionati utilizzando lo strumento Cochrane rivisto sul rischio di bias per studi randomizzati (RoB 2.0)30.
  2. Domini di valutazione: Valutare ogni RCT rispetto a cinque domini specifici per il bias: (1) processo di randomizzazione; (2) deviazioni dagli interventi pianificati; (3) mancanza di dati sugli esiti; (4) misurazione dell'esito; e (5) selezione del risultatoriportato 30.
  3. Processo di giudizio: assegnare un valore di bias di 'basso rischio', 'alcune preoccupazioni' o 'alto rischio' per il punteggiocomplessivo 30. Per minimizzare errori o pregiudizi, condurre la valutazione in modo indipendente da due autori. Risolvere le discrepanze tra i due autori con un terzo autore dopo aver valutato il rischio di bias nello studio specifico.

6. Certezza della valutazione delle prove

  1. Strumento di valutazione: Valutare la certezza delle evidenze per tutti gli esiti clinici aggregati utilizzando il quadro GRADE (grading of recommendationsassessment, development, and evaluation) 31.
  2. Domini di valutazione della certezza dell'evidenza: valutare ciascun risultato rispetto a cinque domini predefiniti per la declassamento delle evidenze: (1) rischio di bias, informato dai risultati della valutazione RoB 2.0 menzionati sopra menzionati; (2) incoerenza, definita come eterogeneità sostanziale e inspiegabile tra gli studi; (3) indirettezza, che si riferisce alle discrepanza tra gli studi inclusi e la domanda fondamentale di ricerca; (4) imprecisione, determinata dalla dimensione totale del campione e dalla larghezza degli intervalli di confidenza (IC) al 95%; e (5) bias di pubblicazione, valutato tramite analisi di simmetria e sensibilità del diagrammadel funnel 31.
  3. Processo di giudizio della certezza delle prove: Inizialmente valutare le prove degli RCT inclusi come ad alta certezza per tutti gli esiti. Assegnare un voto finale di alto, moderato, basso o molto basso dopo una valutazione completa in tutti e cinque i domini31. Completare la valutazione in modo indipendente con due autori e risolvere eventuali discrepanze tramite una discussione consensuale con un terzo autore.

7. Piano di sintesi e analisi dei dati

  1. Software di meta-analisi: Utilizzare software specializzati di meta-analisi (Table of Materials) per condurre la meta-analisi al fine di valutare l'efficacia delle EMI.
  2. Misure di effetto: Riassumere gli esiti primari (HbA1c e BMI) utilizzando la differenza media (MD). Converti i valori di HbA1c in un'unità uniforme di mmol/mol ed esprimi l'IMC in kg/m 2. Rappresentano gli esiti secondari (HRQoL) che coinvolgono varie scale utilizzando la differenza media standardizzata (SMD). Riporta tutte le stime di effetto con IC al 95%.
  3. Eterogeneità e selezione del modello: Valutare il livello di eterogeneità tra gli studi tramite il test I2. Stabilire la soglia di significatività statistica a un valore a probabilità a due code (p) < 0,05. Applicare il modello a effetti fissi per l'analisi combinata se I2 <50% (eterogeneità accettabile). Applica il modello a effetti casuali per l'analisi se ho 2 ≥50%.
  4. Analisi aggiuntive: Eseguire analisi di sensibilità escludendo sequencialmente singoli studi per valutarne l'influenza sugli esiti complessivi, secondo l'ultimo manuale Cochrane per revisioni sistematiche degliinterventi 32. Confrontare le stime a effetti fissi e a effetti casuali per valutare il ruolo degli effetti di piccoli studi nella stima dell'effetto dell'intervento. Tentare di effettuare analisi di sottogruppi per indagare potenziali fonti di eterogeneità e rilevare effetti differenziali basandosi sulle caratteristiche del disegno dello studio, attingendo a ricerche precedenti rilevanti e alle caratteristiche di intervento delle EMI.
    NOTA: Studi di gruppo basati sul dominio centrale di intervento delle EMI (dominio singolo vs. multidominio), e effettuare ulteriori analisi esplorative basate sulla frequenza EMA (alta vs. bassa), il coinvolgimento umano (cioè se l'intervento fosse completamente automatizzato; sì vs. no) e la durata EMI (≤3 mesi vs. >3 mesi). Estrarre tutte le variabili utilizzate in queste analisi direttamente dagli studi inclusi.
  5. Per gli esiti che non possono essere raggruppati tramite meta-analisi (ad esempio, numero insufficiente di studi idonei, dati incompleti per l'estrazione della dimensione dell'effetto), fornire un riassunto descrittivo dei risultati dello studio. Presenta questo riassunto esclusivamente come contenuto esplorativo supplementare che non ha alcun peso probatorio a sostegno di conclusioni cliniche e non viene riportato come risultato formale.

Accesso limitato. Accedi o avvia una prova gratuita per visualizzare questo contenuto.

Risultati

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Selezione degli studi
Dopo ricerche approfondite in vari database, sono stati identificati 2.691 articoli. Dopo la rimozione dei record duplicati (n = 633), 2.058 record rimanenti furono controllati per titoli e abstract, e 2.029 furono rimossi. Abbiamo scaricato 29 articoli in testo completo durante la proiezione finale e un'indagine più dettagliata. Alla fine, solo 14 articoli soddisfacevano i criteri predeterminati (Figura 1)....

Accesso limitato. Accedi o avvia una prova gratuita per visualizzare questo contenuto.

Discussione

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Questa revisione sistematica e meta-analisi di 14 studi miravano a valutare l'efficacia delle EMI nella gestione del T2DM (Tabella Supplementare 4). I risultati indicano che le EMI hanno ridotto significativamente l'HbA1c e il BMI. Tuttavia, è stata osservata una notevole eterogeneità tra gli studi, e analisi dei sottogruppi hanno confermato che i componenti di intervento erano una fonte chiave di eterogeneità. Le EMI complete multidominio sembrano più vantaggiose per il...

Accesso limitato. Accedi o avvia una prova gratuita per visualizzare questo contenuto.

Dichiarazioni

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Gli autori dichiarano di non avere conflitto di interessi.

Ringraziamenti

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Questa ricerca è stata finanziata dal Progetto di Ricerca dell'Associazione Provinciale di Medicina Preventiva del Sichuan n. SYYXHPT202417, il Programma di Pianificazione della Ricerca n. SCSXLXH202402011, e il Progetto Provinciale di Scienza e Tecnologia Medica del Sichuan n. 25LCYJ31.

Accesso limitato. Accedi o avvia una prova gratuita per visualizzare questo contenuto.

Materiali

Elenco dei materiali utilizzati in questo articolo
NomeAziendaNumero di catalogoCommenti
EndNote X9ClarivateVersione ufficialeQuesto software è stato utilizzato per gestire i record bibliografici e rimuovere le citazioni duplicate identificate attraverso le ricerche sistematiche del database. Ha facilitato l'organizzazione iniziale dei riferimenti prima del processo di screening.
Review Manager 5.3 (RevMan 5.3) The Cochrane CollaborationVersione ufficialeQuesto programma è servito come strumento principale per condurre la meta-analisi. È stato utilizzato per eseguire tutti i calcoli statistici, generare grafici foresta per le analisi dei risultati e creare figure sul rischio di bias.
Microsoft Excel MicrosoftVersione ufficialeIn questo software di fogli di calcolo è stato creato un modulo standardizzato per l'estrazione dei dati. È stato utilizzato per raccogliere e tabellare sistematicamente i dati rilevanti da ciascuno degli studi primari inclusi.

Riferimenti

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,
  1. Genitsaridi, I., et al. 11th edition of the IDF Diabetes Atlas: global, regional, and national diabetes prevalence estimates for 2024 and projections for 2050. Lancet Diabetes Endocrinol. 14 (2), 149-156 (2026).
  2. International Diabetes Federation. . IDF Diabetes Atlas. , (2025).
  3. Bommer, C., et al. The global economic burden of diabetes in adults aged 20-79 years: a cost-of-illness study. Lancet Diabetes Endocrinol. 5 (6), 423-430 (2017).
  4. Abdullah, A., Peeters, A., de Courten, M., Stoelwinder, J. The magnitude of association between overweight and obesity and the risk of diabetes: a meta-analysis of prospective cohort studies. Diabetes Res Clin Pract. 89 (3), 309-319 (2010).
  5. Wu, H., Ballantyne, C. M. Metabolic inflammation and insulin resistance in obesity. Circ Res. 126 (11), 1549-1564 (2020).
  6. Forbes, J. M., Cooper, M. E. Mechanisms of diabetic complications. Physiol Rev. 93 (1), 137-188 (2013).
  7. Polemiti, E., et al. BMI and BMI change following incident type 2 diabetes and risk of microvascular and macrovascular complications: the EPIC-Potsdam study. Diabetologia. 64 (4), 814-825 (2021).
  8. Sukartini, T., Nursalam, N., Pradipta, R. O., Ubudiyah, M. Potential methods to improve self-management in those with type 2 diabetes: A Narrative Review. Int J Endocrinol Metab. 21 (1), e119698 (2023).
  9. Moschonis, G., et al. Effectiveness, reach, uptake, and feasibility of digital health interventions for adults with type 2 diabetes: a systematic review and meta-analysis of randomised controlled trials. Lancet Digit Health. 5 (3), e125-e143 (2023).
  10. Kerr, D., et al. Digital interventions for self-management of type diabetes mellitus: systematic literature review and meta-analysis. J Med Internet Res. 26, e55757 (2024).
  11. Bodner, E., et al. Effect of multimodal app-based interventions on glycemic control in patients with Type 2 Diabetes: systematic review and meta-analysis. J Med Internet Res. 27, e54324 (2025).
  12. Krall, J. S., Childs, B., Mehrotra, N. Mobile applications to support diabetes self-management education: patient experiences and provider perspectives. J Diabetes Sci Technol. 17 (5), 1206-1211 (2023).
  13. Adu, M. D., Malabu, U. H., Malau-Aduli, A. E. O., Malau-Aduli, B. S. Enablers and barriers to effective diabetes self-management: A multi-national investigation. PLoS One. 14 (6), e0217771 (2019).
  14. Kim, J., Marcusson-Clavertz, D., Yoshiuchi, K., Smyth, J. M. Potential benefits of integrating ecological momentary assessment data into mHealth care systems. Biopsychosoc Med. 13, 19 (2019).
  15. Sim, R., Lee, S. W. H. Patient Preference and Satisfaction with the Use of Telemedicine for Glycemic Control in Patients with Type 2 Diabetes: A Review. Patient Prefer Adherence. 15, 283-298 (2021).
  16. Lee, J. Y., et al. Using telemedicine to support care for people with type 2 diabetes mellitus: a qualitative analysis of patients' perspectives. BMJ Open. 9 (10), e026575 (2019).
  17. Heron, K. E., Smyth, J. M. Ecological momentary interventions: incorporating mobile technology into psychosocial and health behaviour treatments. Br J Health Psychol. 15 (Pt 1), 1-39 (2010).
  18. Hirbod-Mobarakeh, A., et al. Ecological momentary interventions for bipolar disorder: a systematic review and meta-analysis. Soc Psychiatry Psychiatr Epidemiol. , (2025).
  19. Postma, M. R., et al. Working mechanisms of the use and acceptability of ecological momentary interventions: a realist evaluation of a guided self-help ecological momentary intervention targeting self-esteem. BMC Public Health. 24 (1), 1633 (2024).
  20. Dao, K. P., et al. Smartphone-Delivered Ecological Momentary Interventions Based on Ecological Momentary Assessments to Promote Health Behaviors: Systematic Review and Adapted Checklist for Reporting Ecological Momentary Assessment and Intervention Studies. JMIR Mhealth Uhealth. 9 (11), e22890 (2021).
  21. Schwabe, L., Wolf, O. T. Stress prompts habit behavior in humans. J Neurosci. 29 (22), 7191-7198 (2009).
  22. Otto, A. R., et al. Working-memory capacity protects model-based learning from stress. Proc Natl Acad Sci U S A. 110 (52), 20941-20946 (2013).
  23. Gardner, D. S. L., et al. Digital Health Technology in Diabetes Management in the Asia-Pacific Region: A Narrative Review of the Current Scenario and Future Outlook. Diabetes Ther. 16 (3), 349-369 (2025).
  24. Alòs, F., et al. Impact of a primary care-based mobile health intervention to 'sit less and move more' on HbA1c, blood pressure, and other clinical outcomes in office employees with type 2 diabetes: A randomized controlled trial. Prim Care Diabetes. 19 (5), 434-445 (2025).
  25. Brierley, M. L., et al. The Regulate Your Sitting Time (RESIT) intervention for reducing sitting time in individuals with type 2 diabetes: findings from a randomised-controlled feasibility trial. Diabetol Metab Syndr. 16 (1), 87 (2024).
  26. Shamanna, P., et al. Personalized nutrition in type 2 diabetes remission: application of digital twin technology for predictive glycemic control. Front Endocrinol (Lausanne). 15, 1485464 (2024).
  27. Page, M. J., et al. The PRISMA 2020 statement: an updated guideline for reporting systematic reviews. BMJ. 372, n71 (2021).
  28. Deng, L., Jia, L., Wu, X. L., Cheng, M. Association Between Body Mass Index and Glycemic Control in Type 2 Diabetes Mellitus: A Cross-Sectional Study. Diabetes Metab Syndr Obes. 18, 555-563 (2025).
  29. National Institutes of Health (NIH) Collaboratory Coordinating Center. Patient-Reported Outcomes. Rethinking Clinical Trials: A Living Textbook of Pragmatic Clinical Trials. , (2014).
  30. Sterne, J. A. C., et al. RoB 2: a revised tool for assessing risk of bias in randomised trials. BMJ. 366, l4898 (2019).
  31. Balshem, H., et al. GRADE guidelines: 3. Rating the quality of evidence. J Clin Epidemiol. 64 (4), 401-406 (2011).
  32. Higgins, J. P. T., et al. Cochrane Handbook for Systematic Reviews of Interventions version 6.5 (updated August 2024). Cochrane. , (2024).
  33. Hesketh, K., et al. Mobile Health Biometrics to Enhance Exercise and Physical Activity Adherence in Type 2 Diabetes (MOTIVATE-T2D): a decentralised feasibility randomised controlled trial delivered across the UK and Canada. BMJ Open. 15 (3), e092260 (2025).
  34. Bollyky, J. B., et al. Remote Lifestyle Coaching Plus a Connected Glucose Meter with Certified Diabetes Educator Support Improves Glucose and Weight Loss for People with Type 2 Diabetes. J Diabetes Res. 2018, 3961730 (2018).
  35. Levine, J. C., et al. Randomized trial of technology-assisted self-monitoring of blood glucose by low-income seniors: improved glycemic control in type 2 diabetes mellitus. J Behav Med. 39 (6), 1001-1008 (2016).
  36. Guo, M., et al. Effectiveness of mHealth management with an implantable glucose sensor and a mobile application among Chinese adults with type 2 diabetes. J Telemed Telecare. 29 (8), 632-640 (2023).
  37. Han, C. Y., et al. Telemedicine-assisted structured self-monitoring of blood glucose in the management of T2DM: results of a randomized clinical trial. BMC Med Inform Decis Mak. 23 (1), 182 (2023).
  38. Li, J., et al. Efficiency of an mHealth App and Chest-Wearable Remote Exercise Monitoring Intervention in Patients With Type 2 Diabetes: A Prospective, Multicenter Randomized Controlled Trial. JMIR Mhealth Uhealth. 9 (2), e23338 (2021).
  39. Ruissen, M. M., et al. Clinical impact of an integrated e-health system for diabetes self-management support and shared decision making (POWER2DM): a randomised controlled trial. Diabetologia. 66 (12), 2213-2225 (2023).
  40. Ku, E. J., et al. Clinical efficacy and plausibility of a smartphone-based integrated online real-time diabetes care system via glucose and diet data management: a pilot study. Intern Med J. 50 (12), 1524-1532 (2020).
  41. Lim, S., et al. Multifactorial intervention in diabetes care using real-time monitoring and tailored feedback in type 2 diabetes. Acta Diabetol. 53 (2), 189-198 (2016).
  42. Thorsen, I. K., et al. The Effects of a Lifestyle Intervention Supported by the InterWalk Smartphone App on Increasing Physical Activity Among Persons With Type 2 Diabetes: Parallel-Group, Randomized Trial. JMIR Mhealth Uhealth. 10 (9), e30602 (2022).
  43. Waki, K., et al. DialBetics: A Novel Smartphone-based Self-management Support System for Type 2 Diabetes Patients. J Diabetes Sci Technol. 8 (2), 209-215 (2014).
  44. Kolb, L. An Effective Model of Diabetes Care and Education: The ADCES7 Self-Care Behaviors. Sci Diabetes Self Manag Care. 47 (1), 30-53 (2021).
  45. Jin, P., et al. Time Perspective, Dietary Behavior, and Glycemic Control in Patients With Type 2 Diabetes. Nurs Res. 72 (6), 462-470 (2023).
  46. Visagie, E., Deacon, E., Kok, R. Exploring the thoughts, emotions, and behaviours related to the self-management practices of adults with type 2 diabetes. Health Psychol Open. 11, 20551029241278976 (2024).
  47. Despins, L. A., Wakefield, B. J. Making sense of blood glucose data and self-management in individuals with type 2 diabetes mellitus: A qualitative study. J Clin Nurs. 29 (13-14), 2572-2588 (2020).
  48. MacDonald, C., et al. Why exercise may never be effective medicine: an evolutionary perspective on the efficacy versus effectiveness of exercise in treating type 2 diabetes. Br J Sports Med. 59 (2), 118-125 (2025).
  49. Memelink, R. G., et al. Additional effects of exercise to hypocaloric diet on body weight, body composition, glycaemic control, and cardio-respiratory fitness in adults with overweight or obesity and type 2 diabetes: A systematic review and meta-analysis. Diabet Med. 40 (7), e15096 (2023).
  50. Yang, D., Yang, Y., Li, Y., Han, R. Physical Exercise as Therapy for Type 2 Diabetes Mellitus: From Mechanism to Orientation. Ann Nutr Metab. 74 (4), 313-321 (2019).
  51. Chen, Y., et al. Effect of Moderate and Vigorous Aerobic Exercise on Incident Diabetes in Adults With Obesity: A 10-Year Follow-up of a Randomized Clinical Trial. JAMA Intern Med. 183 (3), 272-275 (2023).
  52. Kothari, R., et al. A Longitudinal Evaluation of the Effects of Moderate Physical Activity on Health, Metabolic, and Physiological Parameters in Individuals With Type 2 Diabetes Mellitus: A Comprehensive Study. Cureus. 16 (8), e67370 (2024).
  53. Hanlon, P., et al. Self-management interventions for Type 2 Diabetes: systematic review protocol focusing on patient workload and capacity support. Wellcome Open Res. 6, 257 (2021).
  54. Fitch, K., Pyenson, B. S., Iwasaki, K. Medical claim cost impact of improved diabetes control for medicare and commercially insured patients with type 2 diabetes. J Manag Care Pharm. 19 (8), 609-620 (2013).
  55. Ab Rahman, N., et al. Medication regimen complexity and medication burden among patients with type 2 Diabetes Mellitus: a retrospective analysis. Front Pharmacol. 13, 808190 (2022).

Accesso limitato. Accedi o avvia una prova gratuita per visualizzare questo contenuto.

Ristampe e permessi

Richiedi il permesso di riutilizzare il testo o le figure di questo articolo JoVE

Richiedi permesso

Tag

AutogestioneControllo della GlicemiaQualit della Vita Relata alla SaluteInterventi MultidominioGestione del Diabete

Articoli correlati