Methodenartikel

Effecten van ecologische momentaire interventies op geglyceerde hemoglobine, body mass index en kwaliteit van leven bij mensen met type 2 diabetes: een overzicht

DOI:

10.3791/70983

⸱

5 mei 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 dit artikel

Samenvatting

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

Deze systematische review en meta-analyse evalueren de effectiviteit van ecologische momentaire interventies op glycemische controle, gewichtsbeheersing en kwaliteit van leven bij mensen met type 2 diabetes.

Samenvatting

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

De wereldwijde prevalentie van type 2 diabetes mellitus (T2DM) blijft stijgen. Effectieve bloedsuiker- en gewichtsbeheersing zijn cruciaal voor ziektebestrijding en het verbeteren van de kwaliteit van leven. Ecologische momentaire interventies (EMI's), die realtime gepersonaliseerde ondersteuning bieden op basis van ecologische momentaire beoordelingen (EMA's) van relevante variabelen, bieden een veelbelovende benadering om adaptief zelfmanagement in het dagelijks leven te bevorderen. We hebben systematisch vijf databases doorzocht vanaf het begin tot augustus 2025. Primaire uitkomsten waren onder andere geglyceerde hemoglobine (HbA1c) en body mass index (BMI); secundaire uitkomsten betroffen fysieke en mentale gezondheidsgerelateerde kwaliteit van leven (HRQoL). Veertien studies, met in totaal 1.873 deelnemers, werden opgenomen. In vergelijking met controles verlaagden EMI's significant HbA1c (MD = -0,71, 95% BI: -1,02 tot -0,40, p < 0,001) en BMI (MD = -1,08, 95% BI: -1,90 tot -0,26, p = 0,01), met aanzienlijke heterogeniteit tussen de studies (I2 = respectievelijk 84% en 92%). Subgroepanalyses toonden consistentere effecten voor multidomein uitgebreide EMI's, terwijl de effecten van single-domain EMI's varieerden afhankelijk van de interventie-inhoud. EMI's werden ook geassocieerd met bescheiden verbeteringen in fysieke (SMD = 0,37, 95% BI: 0,17 tot 0,56, p < 0,001; I2 = 47%) en mentaal (SMD = 0,42, 95% BI: 0,15 tot 0,68, p = 0,002; I2 = 0%) HRQoL. Deze bevindingen suggereren dat EMI's, vooral multidomein uitgebreide strategieën, een veelbelovende interventie lijken voor het beheer van T2DM, maar de algemene zekerheid van het huidige bewijs wordt beperkt door duidelijke heterogeniteit, beperkte statistische kracht in subgroepen en enig risico op bias, wat een voorzichtige interpretatie van de resultaten rechtvaardigt. Toekomstig onderzoek moet prioriteit geven aan hoogwaardige ontwerpen en uitgebreide uitkomstbeoordelingen.

Inleiding

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

Er wordt geschat dat er wereldwijd ongeveer 589 miljoen mensen met diabetes waren in 2024, en dit aantal zal naar verwachting stijgen tot 853 miljoen in 2050. Type 2 diabetes mellitus (T2DM) is verantwoordelijk voor ongeveer 90–95% van alle diabetesgevallen, terwijl diabetes wereldwijd een jaarlijkse economische last van bijna 1,015 biljoen Amerikaanse dollarlegt, wat een aanzienlijke druk legt op gezondheidszorgsystemenwereldwijd 3. Effectief bloedsuikerbeheer is essentieel om de ziektelast van T2DM te verminderen en de kwaliteit van leven te verbeteren bij mensen met T2DM. Opvallend is dat meer dan 60% van de mensen met T2DM ook overgewicht of obesitasheeft 4; Een verhoogde body mass index (BMI) verergert insulineresistentie en bemoeilijkt de glycemische controle5. Slechte beheersing van bloedsuiker en lichaamsgewicht zal het risico op microvasculaire en macrovasculaire complicaties aanzienlijk verhogen, wat mogelijk leidt tot levensbedreigende klinische uitkomsten 6,7. Het bereiken van optimale glycemische en gewichtscontrole is echter fundamenteel afhankelijk van effectieve dagelijkse zelfmanagementgedragingen van individuen, waaronder maar niet beperkt tot bloedsuikermonitoring, dieetaanpassingen, lichamelijke activiteit en medicatietrouw8. Deze praktijken zijn essentieel om ziektegerelateerde risico's te verminderen en langetermijnresultaten te optimaliseren.

In de afgelopen jaren wordt technologie steeds vaker gebruikt om zelfmanagement te ondersteunen en de therapietrouw bij mensen met T2DM te verbeteren. In vergelijking met traditionele interventies hebben momenteel beschikbare telefonische counseling, korte berichtendiensten (SMS) of andere digitale platforms de toegankelijkheid en continuïteit van zorgdiensten tot op zekerehoogte verbeterd. Wanneer individuen echter direct met besluitvorming of uitdagingen worden geconfronteerd zoals lage motivatie of beperkte kennis in het dagelijks leven, ontbreken vaste interactiemodellen nog steeds aan het vermogen om realtime, contextrelevante ondersteuning te bieden12,13. In het bijzonder vertrouwen sommige programma's nog steeds op retrospectieve zelfrapportages of klinische beoordelingen met lange intervallen, die onvoldoende zijn om het dynamische en contextuele karakter van de T2DM-ervaring vast te leggen, waardoor het niet lukt om gepersonaliseerde ondersteuningte bieden 14. Daarom blijft binnen de veranderende context van telemedicine het beter inspelen op de behoeften van mensen met T2DM aan gepersonaliseerde, realtime feedback om hun effectieve deelname aan zelfmanagement van diabetes te bevorderen een urgent onderwerp om aan te pakken 15,16.

Ecologische momentaire interventies (EMI's) verwijzen naar een gedragsondersteunende strategie die digitale technologie gebruikt om realtime en gepersonaliseerde feedback te geven in de natuurlijke omgevingen van individuen17,18. De belangrijkste eigenschap is het vermogen om adaptieve interventies te bieden wanneer ongezond of hoogrisicogedrag optredet, gebaseerd op gegevens die zijn verzameld door ecologische momentaire beoordelingen (EMA's)—waarmee de beperkingen van vooraf bepaalde behandelprotocollen worden overwonnen19. In deze studie hebben we een operationele definitie van EMI in de huidige studie verduidelijkt, gebaseerd op kernbeschrijvingen van EMI uit bestaande literatuur17,20, met drie noodzakelijke minimumvereisten voor opgenomen studies: (1) Interventies worden geleverd via digitale of elektronische platforms in de dagelijkse leefomgeving van deelnemers en zijn toegankelijk tijdens de routineactiviteiten van de deelnemers, in plaats van beperkt te zijn tot klinische of begeleide omgevingen; (2) Informatie wordt verkregen via EMA's, die momentane veranderingen in de relevante levenstoestanden van individuen vastleggen, en deze gegevens worden gebruikt om de uitvoering van interventies te sturen wanneer ondersteuning nodig is; (3) Interventies moeten adaptieve en gepersonaliseerde feedback of gedragsondersteuning bieden als reactie op verzamelde EMA-gegevens, in plaats van uitsluitend te vertrouwen op vooraf vastgestelde, niet-op maat gemaakte inhoud die niet gerelateerd is aan individuele beoordelingsresultaten. Theoretisch kunnen EMI's door naadloos te integreren in het dagelijks leven en dynamisch ondersteunende strategieën aan te passen aan realtime veranderingen, de relevantie en effectiviteit van interventies versterken. Het biedt potentie in het faciliteren van de overgang van gewoontegedrag naar doelgericht gedrag en het verbeteren van zelfmanagement van de ziekte21,22. Als vorm van digitale gezondheidsinterventie kunnen EMI's vooral geschikt zijn voor mensen met basis digitale geletterdheid en toegang tot slimme apparaten, die kunnen profiteren van realtime ondersteuning voor dagelijkse T2DM-beheerbeslissingen, vooral in omgevingen waar de toegang tot regelmatige persoonlijke ondersteuning beperktis. Ze zijn echter waarschijnlijk minder geschikt voor mensen die zich ongemakkelijk voelen bij het gebruik van slimme apparaten, en voor degenen die zich zorgen maken over gegevensprivacy17.

Een toenemend aantal studies is begonnen met het onderzoeken van de toepassing van EMI's in T2DM-beheer. De meeste van deze interventies richten zich op het geven van directe richtlijnen over levensstijl (bijv. caloriebeheersing van voeding, aanpassing van de inspanningsintensiteit) door realtime dynamische gegevens (bijv. bloedsuiker, dieet, lichamelijke activiteit) van individuen te verzamelen24, 25, 26. Ze worden als veelbelovend beschouwd voor het bevorderen van glycemische controle en gewichtsbeheersing bij mensen met T2DM, en leveren objectief en kwantificeerbaar bewijs voor het evalueren van de effectiviteit van EMI's. Sommige studies hebben ook de impact van EMI's op patiëntgerapporteerde uitkomsten beoordeeld om hun algehele voordelen volledig te begrijpen. Er is echter tot nu toe geen systematische integratie en evaluatie van deze bevindingen geweest. Bovendien tonen bestaande EMI-studies significante verschillen in T2DM-interventiestrategieën en inhoudsontwerp, en is er een gebrek aan discussie over hun klinische haalbaarheid. Deze systematische review en meta-analyse zijn daarom bedoeld om de effectiviteit van EMI's op klinisch relevante uitkomsten bij mensen met T2DM te beoordelen, waarmee bewijs wordt geleverd voor de optimalisatie en bevordering van EMI's in T2DM-beheer.

Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.

Protocol

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

De systematische review en meta-analyse werden uitgevoerd volgens de PRISMA-richtlijnen (Aanvullende Tabel 1)27. Het protocol voor deze review werd geregistreerd in PROSPERO: Nee. CRD420251132100.

1. Zoekstrategie

  1. Databaseselectie: Voer een systematische aanpak uit over vijf grote elektronische databases: PubMed, Cochrane Library, Embase, Web of Science en Scopus. Zorg ervoor dat de zoekopdracht alle records omvat vanaf het begin van de database tot augustus 2025.
  2. Zoektermontwikkeling: Gebruik een combinatie van medische onderwerpkoppen (MeSH) en vrije tekst trefwoorden. Neem kernconcepten op zoals "type 2 diabetes mellitus", "ecologische tijdelijke interventie" en "gerandomiseerde gecontroleerde studie." Combineer deze termen met behulp van geschikte Booleaanse operatoren (EN, OF).
  3. Zoekuitvoering: Pas de geconstrueerde zoeksyntaxis af op de specifieke eisen van elke database. Geef de gedetailleerde zoekstrategie in Aanvullende Tabel 2.

2. Toepassing van toelatingscriteria

  1. Inclusiecriteria: (1) Bevolking: volwassenen (leeftijd ≥18 jaar) gediagnosticeerd met T2DM, ongeacht geslacht; (2) Interventie: EMI's geleverd via technologie-ondersteunde tools (bijv. smartphones, mobiele applicaties, sensoren, draagbare apparaten) die realtime feedback en ondersteuning bieden in routinematige eerstelijnszorg of thuissituaties; (3) Vergelijking: gebruikelijke zorg, standaardzorg of interventies zonder EMI-gerelateerde componenten (bijv. traditionele zelfmonitoring en begeleiding zonder realtime feedback); (4) Uitkomsten: glycated hemoglobine (HbA1c) is de gouden standaard voor het beoordelen van langdurige glycemische controle bij mensen met T2DM2, en BMI is een kernindicator voor het evalueren van gewichtsbeheer en metabole status die nauw samenhangt met T2DM-progressie 2,28. Gezondheidsgerelateerde kwaliteit van leven (HRQoL) is een belangrijke patiëntgerapporteerde uitkomst voor het evalueren van de impact van interventies op gezondheid en welzijn29. Selecteer daarom HbA1c en BMI als primaire uitkomsten en definieer patiëntgerapporteerde HRQoL als secundaire uitkomst. (5) Studietype: gerandomiseerde gecontroleerde onderzoeken (RCT's).
    OPMERKING: Om de potentiële voordelen van de interventie beter te weerspiegelen, zijn we van plan andere door patiënten gerapporteerde subjectieve uitkomsten met betrekking tot zelfmanagement te extraheren voor verdere verkennende aanvullende analyses. Dienovereenkomstig moeten in aanmerking komende studies ten minste één van de volgende uitkomsten rapporteren: HbA1c (gemeten in % of mmol/mol), BMI (kg/m2), of patiëntgerapporteerde uitkomsten (bijv. diabetes zelfzorgactiviteiten of HRQoL);
  2. Exclusiecriteria: Sluit studies uit die aan een van de volgende criteria voldoen: (1) rapporteren doelgerichte uitkomsten maar geen bijbehorende statistische resultaten als referentie geven, of geen volledige tekst beschikbaar hebben; (2) dubbele gegevens rapporteren; (3) Inschrijven van zwangere of lacterende vrouwen met T2DM.

3. Studieselectieprocedure

  1. Beheer van dossiers: Importeer alle geïdentificeerde literatuurrecords in referentiebeheersoftware (Table of Materials) om het verwijderen van dubbele records te vergemakkelijken.
  2. Selectieproces: Voer deze taak blind uit, waarbij twee auteurs onafhankelijk artikeltitels en samenvattingen beoordelen, waarbij ze degenen uitsluiten die niet aan de inclusiecriteria voldoen, en vervolgens de volledige teksten van in aanmerking komende artikelen lezen voor verdere verificatie. Los eventuele verschillen die tijdens dit proces ontstaan op via consensus met een derde auteur.

4. Methode voor gegevensextractie

  1. Extractieformulier: Gegevens extraheren met behulp van een gestandaardiseerd, gepiloteerd formulier dat is gemaakt in een elektronische spreadsheet (Materiaaltabel).
  2. Gegevenspunten: Gebruik variabelen voor de analyse die consistent zijn met de vooraf gedefinieerde uitkomsten die in de inclusiecriteria zijn gespecificeerd. Organiseer elk artikel op basis van de basispublicatie-informatie (jaar, land, auteur(s), deelnemerskenmerken (leeftijd, aantal vrouwelijke deelnemers, steekproefgrootte en groepsverdeling), wervingsstrategieën, details van de interventiegroepen (apparaten gebruikt voor EMA, typen en frequentie van verzamelde gegevens, leveringsplatform, kader, methoden, inhoud, duur en menselijke betrokkenheid bij EMI) en uitkomstmaten.

5. Beoordeling van risico op bias

  1. Beoordelingsinstrument: Beoordeel de geselecteerde studies met behulp van het herziene Cochrane risico-van-bias-instrument voor gerandomiseerde onderzoeken (RoB 2.0)30.
  2. Beoordelingsdomeinen: Beoordeel elke RCT op vijf specifieke domeinen op bias: (1) proces van randomisatie; (2) afwijkingen van geplande interventies; (3) ontbrekende uitkomstgegevens; (4) uitkomstmeting; en (5) selectie van het gerapporteerde resultaat30.
  3. Beoordelingsproces: Ken een biaswaarde toe van 'laag risico', 'enkele zorgen' of 'hoog risico' voor de totale beoordelingvan 30. Om fouten of vooringenomenheid te minimaliseren, voer de beoordeling onafhankelijk uit door twee auteurs. Los discrepanties op tussen de twee auteurs met een derde auteur na het evalueren van het risico op bias in de specifieke studie.

6. Zekerheid van bewijsbeoordeling

  1. Beoordelingsinstrument: Evalueer de zekerheid van bewijs voor alle gepoolde klinische uitkomsten met behulp van het beoordelings-, ontwikkelings- en evaluatiekader (GRADE)31.
  2. Domeinen voor beoordeling van bewijszekerheid: Beoordeel elke uitkomst aan vijf vooraf gedefinieerde domeinen voor bewijsverlaging: (1) risico op bias, gebaseerd op de eerder genoemde RoB 2.0 beoordelingsresultaten; (2) inconsistentie, gedefinieerd als substantiële onverklaarde heterogeniteit tussen studies; (3) indirectheid, verwijzend naar mismatches tussen opgenomen studies en de kernonderzoeksvraag; (4) onnauwkeurigheid, bepaald door de totale steekproefgrootte en de breedte van 95% betrouwbaarheidsintervallen (BI's); en (5) publicatiebias, beoordeeld via funnel plot symmetrie- en gevoeligheidsanalyses31.
  3. Beoordelingsproces voor bewijszekerheid: Beoordeel aanvankelijk bewijs uit de opgenomen RCT's als hoge zekerheid voor alle uitkomsten. Ken na volledige evaluatie een eindcijfer toe van hoog, matig, laag of zeer laag over alle vijf domeinen31. Voltooi de beoordeling onafhankelijk met twee auteurs en los eventuele discrepanties op via consensusgesprekken met een derde auteur.

7. Plan voor datasynthese en analyse

  1. Meta-analysesoftware: Gebruik gespecialiseerde meta-analysesoftware (Table of Materials) om de meta-analyse uit te voeren voor het evalueren van de effectiviteit van EMI's.
  2. Effectmaten: Vat de primaire uitkomsten (HbA1c en BMI) samen met behulp van het gemiddelde verschil (MD). Zet HbA1c-waarden om naar een uniforme eenheid mmol/mol en druk BMI uit in kg/m2. Vertegenwoordigen secundaire uitkomsten (HRQoL) met verschillende schalen die gebruikmaken van het gestandaardiseerde gemiddelde verschil (SMD). Rapporteer alle effectschattingen met 95% BI.
  3. Heterogeniteit en modelselectie: Evalueer het heterogeniteitsniveau tussen de studies via de I2-test . Stel de drempel voor statistische significantie vast bij een tweezijdige kanswaarde (p) < 0,05. Pas het fixed-effect model toe voor de gecombineerde analyse als I2 <50% (acceptabele heterogeniteit) is. Pas het random-effect model toe voor analyse als ik2 ≥50%.
  4. Aanvullende analyses: Voer gevoeligheidsanalyses uit door individuele studies sequentieel uit te sluiten om hun invloed op de algehele uitkomsten te evalueren, volgens het meest recente Cochrane Handbook for Systematic Reviews of Interventions32. Vergelijk schattingen van vaste en willekeurige effecten om de rol van effecten uit kleine studies in de interventieeffectschatting te beoordelen. Probeer subgroepanalyses uit te voeren om potentiële bronnen van heterogeniteit te onderzoeken en differentiële effecten te detecteren op basis van onderzoeksontwerpkenmerken, gebaseerd op eerder relevant onderzoek en de interventiekenmerken van EMI's.
    OPMERKING: Groepeer studies per kerninterventiedomein van EMI's (single-domain vs. multi-domain), en voer verdere verkennende analyses uit op basis van EMA-frequentie (hoog versus laag), menselijke betrokkenheid (d.w.z. of de interventie volledig geautomatiseerd was; ja versus nee) en EMI-duur (≤3 maanden vs. >3 maanden). Haal alle variabelen die in deze analyses worden gebruikt direct uit de opgenomen studies.
  5. Voor uitkomsten die niet via meta-analyse kunnen worden samengevoegd (bijv. onvoldoende aantal in aanmerking komende studies, onvolledige gegevens voor effectgrootte-extractie), geef een beschrijvende samenvatting van de bevindingen van de studie. Presenteer deze samenvatting uitsluitend als aanvullende verkennende inhoud die geen bewijs heeft om klinisch leidende conclusies te ondersteunen en niet als formeel resultaat wordt gerapporteerd.

Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.

Resultaten

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

Studieselectie
Na uitgebreide zoektochten in diverse databases werden 2.691 artikelen geïdentificeerd. Na het verwijderen van dubbele records (n = 633) werden 2.058 overgebleven records gecontroleerd op titels en abstracts, en werden 2.029 verwijderd. We hebben tijdens de laatste screening en een meer gedetailleerd onderzoek 29 full-text artikelen gedownload. Uiteindelijk voldeden slechts 14 artikelen aan de vooraf bepaalde criteria (Figu...

Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.

Discussie

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

Deze systematische review en meta-analyse van 14 studies had als doel de effectiviteit van EMI's bij het beheer van T2DM te evalueren (Aanvullende Tabel 4). De resultaten geven aan dat EMI's HbA1c en BMI significant verlaagden. Desalniettemin werd aanzienlijke heterogeniteit waargenomen in de studies, en subgroepanalyses bevestigden dat interventiecomponenten een belangrijke bron van heterogeniteit waren. Multi-domein uitgebreide EMI's lijken gunstiger voor glycemische e...

Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.

Openbaarmakingen

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

De auteurs verklaren dat zij geen belangenconflict hebben.

Dankbetuigingen

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

Dit onderzoek werd gefinancierd door het Onderzoeksproject van de Provinciale Vereniging voor Preventieve Geneeskunde van Sichuan nr. SYYXHPT202417 het onderzoeksplanningsprogramma nr. SCSXLXH202402011, en het Provinciaal Technisch Wetenschap en Technologie Project van Sichuan nr. 25LCYJ31.

Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.

Materialen

Lijst van materialen gebruikt in dit artikel
NaamBedrijfCatalogusnummerOpmerkingen
EndNote X9ClarivateOfficial VersionDeze software werd gebruikt voor het beheren van bibliografische records en het verwijderen van dubbele citaties die werden geïdentificeerd door middel van systematische database-zoekopdrachten. Het faciliteerde de initiële organisatie van referenties voorafgaand aan het screeningproces.
Review Manager 5.3 (RevMan 5.3) The Cochrane CollaborationOfficial VersionDit programma diende als het primaire hulpmiddel voor het uitvoeren van de meta-analyse. Het werd gebruikt om alle statistische berekeningen uit te voeren, bosplots voor resultaatanalyses te genereren en risico op vooringenomenheid figuren te maken.
Microsoft Excel MicrosoftOfficial VersionEen gestandaardiseerd gegevensextractieformulier werd gemaakt in deze spreadsheetsoftware. Het werd gebruikt om systematisch relevante gegevens uit elk van de opgenomen primaire studies te verzamelen en te tabuleren.

Referenties

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

Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.

Herprints en machtigingen

Toestemming aanvragen om de tekst of afbeeldingen van dit JoVE-artikel te hergebruiken

Toestemming aanvragen

Trefwoorden

Zelfmanagementbloedglucosecontrolegezondheidsgerelateerde kwaliteit van levenmultidomeininterventiesdiabetesmanagement

Gerelateerde artikelen