Artigo de método

Efeitos das Intervenções Ecológicas Momentâneas sobre Hemoglobina Glicada, Índice de Massa Corporal e Qualidade de Vida em Pessoas com Diabetes Tipo 2: Uma Revisão

DOI:

10.3791/70983

⸱

5 de maio de 2026

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

Neste artigo

Resumo

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

Esta revisão sistemática e meta-análise avaliam a eficácia das intervenções ecológicas momentâneas no controle glicêmico, controle de peso e qualidade de vida em pessoas com diabetes tipo 2.

Resumo

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

A prevalência global do diabetes mellitus tipo 2 (DMT2) continua a aumentar. O controle eficaz da glicose no sangue e do peso são cruciais para o controle da doença e a melhoria da qualidade de vida. Intervenções ecológicas momentâneas (EMIs), que fornecem suporte personalizado em tempo real baseado em avaliações temporárias ecológicas (EMAs) de variáveis relevantes, oferecem uma abordagem promissora para promover a autogestão adaptativa no dia a dia. Pesquisamos sistematicamente cinco bancos de dados desde o início até agosto de 2025. Os desfechos primários incluíram hemoglobina glicificada (HbA1c) e índice de massa corporal (IMC); os desfechos secundários abrangeram a qualidade de vida relacionada à saúde física e mental (HRQoL). Quatorze estudos, incluindo um total de 1.873 participantes, foram incluídos. Comparados aos controles, as EMIs reduziram significativamente HbA1c (DM = -0,71, IC 95%: -1,02 a -0,40, p < 0,001) e o IMC (DM = -1,08, IC 95%: -1,90 a -0,26, p = 0,01), com heterogeneidade substancial entre os estudos (I2 = 84% e 92%, respectivamente). Análises de subgrupos mostraram efeitos mais consistentes para EMIs abrangentes multidomínio, enquanto os efeitos das EMIs de domínio único variaram dependendo do conteúdo da intervenção. As EMIs também estiveram associadas a melhorias modestas na física (DME = 0,37, IC 95%: 0,17 a 0,56, p < 0,001; I2 = 47%) e mental (DMS = 0,42, IC 95%: 0,15 a 0,68, p = 0,002; I2 = 0%) HRQoL. Esses achados sugerem que as EMIs, especialmente as estratégias abrangentes multidomínio, parecem ser uma intervenção promissora para o manejo do DT2DM, mas a certeza geral das evidências atuais é limitada por heterogeneidade marcante, poder estatístico restrito em subgrupos e algum risco de viés, o que justifica uma interpretação cautelosa dos resultados. Pesquisas futuras devem priorizar projetos de alta qualidade e avaliações abrangentes de resultados.

Introdução

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

Estima-se que havia aproximadamente 589 milhões de pessoas com diabetes no mundo em 2024, e esse número deve subir para 853 milhões até 20501. O diabetes mellitus tipo 2 (DMO) representa cerca de 90–95% de todos os casos de diabetes, enquanto o diabetes impõe um ônus econômico anual de quase 1,015 trilhão de dólares americanosglobalmente, exercendo uma pressão substancial sobre os sistemas de saúde em todoo mundo. O manejo eficaz da glicose no sangue é essencial para reduzir a carga da doença causada pelo DT2DM e melhorar a qualidade de vida das pessoas com DT2. Notavelmente, mais de 60% dos indivíduos com DT2 também têm sobrepeso ouobesidade 4; Índice de massa corporal (IMC) elevado agrava a resistência à insulina e complica o controleglicêmico 5. O manejo inadequado da glicose no sangue e do peso corporal aumentará significativamente o risco de complicações microvasculares e macrovasculares, levando potencialmente a desfechos clínicos que ameaçam a vida 6,7. No entanto, alcançar o controle glicêmico e de peso ideal depende fundamentalmente de comportamentos eficazes de autogestão diária por parte dos indivíduos, incluindo, mas não se limitando a, monitoramento da glicose no sangue, ajustes alimentares, atividade física e adesão àmedicação 8. Essas práticas são vitais para reduzir riscos relacionados a doenças e otimizar os resultados a longo prazo.

Nos últimos anos, a tecnologia tem sido cada vez mais usada para apoiar a autogestão e melhorar a adesão ao tratamento entre pessoas com DMO2. Comparado às intervenções tradicionais, o aconselhamento telefônico atualmente disponível, o serviço de mensagens curtas (SMS) ou outras plataformas digitais melhoraram a acessibilidade e a continuidade dos serviços de saúde até certoponto 9, 10, 11. No entanto, quando os indivíduos enfrentam decisões imediatas ou desafios como baixa motivação ou conhecimento limitado no dia a dia, modelos de interação fixa ainda não têm a capacidade de fornecer suporte relevante em tempo reale contextual 12,13. Em particular, alguns programas ainda dependem de autorrelatos retrospectivos ou avaliações clínicas com longos intervalos, que são inadequados para capturar a natureza dinâmica e contextual da experiência T2DM, falhando assim em fornecer suporte personalizado14. Portanto, no contexto em evolução da telemedicina, como melhor atender às necessidades das pessoas com DM T2 para um feedback personalizado e em tempo real que promova sua participação efetiva no autogerenciamento do diabetes continua sendo uma questão urgentea ser abordada 15,16.

Intervenções ecológicas momentâneas (EMIs) referem-se a uma estratégia de suporte comportamental que utiliza tecnologia digital para fornecer feedback em tempo real e personalizado nos ambientes naturais dosindivíduos 17,18. Sua característica principal é a capacidade de fornecer intervenções adaptativas quando ocorrem comportamentos não saudáveis ou de alto risco, com base em dados capturados por avaliações ecológicas momentâneas (EMAs) — superando assim as limitações dos protocolos de tratamentopredeterminados 19. Neste estudo, esclarecemos uma definição operacional para EMI no presente estudo com base nas descrições centrais de EMI da literaturaexistente 17,20, com três requisitos mínimos necessários para os estudos incluídos: (1) As intervenções são realizadas por meio de plataformas digitais ou eletrônicas nos ambientes de vida diária dos participantes e estão acessíveis durante as atividades rotineiras dos participantes, em vez de serem limitadas a ambientes clínicos ou supervisionados; (2) Informações são obtidas por meio de EMAs, que capturam mudanças momentâneas nos estados relevantes dos indivíduos na vida diária, e esses dados são usados para orientar a entrega de intervenções quando o apoio é necessário; (3) As intervenções devem fornecer feedback adaptativo e personalizado ou suporte comportamental em resposta aos dados coletados da EMA, em vez de depender apenas de conteúdo pré-definido, não personalizado, que não está relacionado aos resultados individuais da avaliação. Teoricamente, ao integrar-se perfeitamente à vida diária e ajustar dinamicamente as estratégias de apoio de acordo com as mudanças em tempo real, as EMIs podem fortalecer a relevância e a eficácia dasintervenções 20. Ele tem potencial para facilitar a transição de comportamentos habituais para comportamentos orientados a objetivos e melhorar o autogerenciamento dadoença 21,22. Como uma forma de intervenção em saúde digital, as EMIs podem ser especialmente adequadas para indivíduos com alfabetização digital básica e acesso a dispositivos inteligentes, que podem se beneficiar de suporte em tempo real para decisões diárias de manejo de DT2DM, especialmente em ambientes onde o acesso ao suporte presencial regular élimitado a 23 anos. No entanto, provavelmente são menos apropriados para pessoas que se sentem desconfortáveis com dispositivos inteligentes e para aqueles com preocupações com privacidadede dados 17.

Um número crescente de estudos começou a explorar a aplicação das EMIs no manejo de DMT2. A maioria dessas intervenções foca em fornecer orientações imediatas sobre estilo de vida (por exemplo, controle calórico na dieta, ajuste da intensidade do exercício) ao capturar dados dinâmicos em tempo real (por exemplo, glicose no sangue, dieta, atividade física) dosindivíduos 24,25,26. Elas são consideradas promissoras para promover o controle glicêmico e o controle de peso entre pessoas com DMO T2, fornecendo evidências objetivas e quantificáveis para avaliar a eficácia das EMIs. Alguns estudos também avaliaram o impacto das EMIs nos resultados relatados pelos pacientes para compreender plenamente seus benefícios gerais. No entanto, até o momento não houve integração e avaliação sistemática desses achados. Além disso, estudos EMI existentes apresentam diferenças significativas nas estratégias de intervenção para DM T2 e no design de conteúdo, e há falta discussão sobre sua viabilidade clínica. Assim, esta revisão sistemática e meta-análise visam avaliar a eficácia das EMIs em desfechos clinicamente relevantes em pessoas com DT2, fornecendo evidências para a otimização e promoção das EMIs no manejo da DT2DM.

Acesso restrito. Inicie sessão ou comece um teste para visualizar este conteúdo.

Protocolo

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

A revisão sistemática e a meta-análise foram conduzidas seguindo as diretrizes do PRISMA (Tabela Suplementar 1)27. O protocolo para essa revisão foi registrado no PROSPERO: Não. CRD420251132100.

1. Estratégia de busca

  1. Seleção de banco de dados: Realize uma abordagem sistemática em cinco grandes bancos de dados eletrônicos: PubMed, Cochrane Library, Embase, Web of Science e Scopus. Garanta que a busca abrange todos os registros desde o início do banco de dados até agosto de 2025.
  2. Desenvolvimento de termos de busca: Utilize uma combinação de títulos de assuntos médicos (MeSH) e palavras-chave em texto livre. Inclua conceitos-chave como "diabetes mellitus tipo 2", "intervenção ecológica momentânea" e "ensaio clínico randomizado". Combine esses termos usando operadores booleanos apropriados (AND, OR).
  3. Execução da busca: Adapte a sintaxe construída da busca aos requisitos específicos de cada banco de dados. Forneça a estratégia detalhada de busca na Tabela Suplementar 2.

2. Aplicação dos critérios de elegibilidade

  1. Critérios de inclusão: (1) População: adultos (idade ≥18 anos) diagnosticados com DT2, independentemente do gênero; (2) Intervenção: EMIs entregues por meio de ferramentas habilitadas por tecnologia (por exemplo, smartphones, aplicativos móveis, sensores, dispositivos vestíveis) que fornecem feedback e suporte em tempo real em ambientes de atenção primária ou domiciliar; (3) Comparação: cuidados habituais, cuidados padrão ou intervenções sem componentes relacionados a EMI (por exemplo, automonitoramento tradicional e orientação sem feedback em tempo real); (4) Desfechos: a hemoglobina glicativa (HbA1c) é o padrão ouro para avaliar o controle glicêmico a longo prazo em pessoas comDT2DM 2, e o IMC é um indicador central para avaliar o controle de peso e o status metabólico, estando intimamente associado à progressão doDT2DM 2,28. A qualidade de vida relacionada à saúde (QRH) é um desfecho importante relatado pelos pacientes para avaliar o impacto das intervenções na saúde ebem-estar 29. Portanto, selecione HbA1c e IMC como desfechos primários e defina a QQR relatada pelo paciente como desfecho secundário. (5) Tipo de estudo: ensaios clínicos randomizados (ECRs).
    NOTA: Para refletir de forma mais abrangente os benefícios potenciais da intervenção, planejamos extrair outros desfechos subjetivos relatados pelo paciente relacionados à autogestão para análises suplementares exploratórias adicionais. Assim, exigir que estudos elegíveis relatem pelo menos um dos seguintes desfechos: HbA1c (medido em % ou mmol/mol), IMC (kg/m 2) ou desfechos relatados pelo paciente (por exemplo, atividades de autocuidado para diabetes ou QRH);
  2. Critérios de exclusão: Exclua estudos que atendam a qualquer um dos seguintes critérios: (1) relatem os resultados-alvo, mas não forneçam resultados estatísticos correspondentes para referência, ou que não tenham texto completo disponível; (2) reportar dados duplicados; (3) inscrever mulheres grávidas ou lactantes com DMO T2.

3. Procedimento de seleção de estudos

  1. Gestão de registros: Importar todos os registros de literatura identificados para um software de gerenciamento de referência (Tabela de Materiais) para facilitar a remoção de registros duplicados.
  2. Processo de triagem: Realize essa tarefa às cegas, com dois autores revisando independentemente os títulos e resumos dos artigos, excluindo aqueles que não atendem aos critérios de inclusão, e então leia os textos completos dos artigos elegíveis para verificação adicional. Resolva quaisquer discrepâncias surgidas durante esse processo por meio de consenso com um terceiro autor.

4. Método de extração de dados

  1. Formulário de extração: extrair dados usando um formulário padronizado e pilotado criado em uma planilha eletrônica (Tabela de Materiais).
  2. Pontos de dados: Use variáveis para análise que sejam consistentes com os resultados pré-definidos especificados nos critérios de inclusão. Organize cada artigo de acordo com as informações básicas de publicação (ano, país, autores), características dos participantes (idade, número de participantes, tamanho da amostra e distribuição do grupo), estratégias de recrutamento, detalhes dos grupos de intervenção (dispositivos usados para EMA, tipos e frequência de dados coletados, plataforma de entrega, estrutura, métodos, conteúdo, duração e envolvimento humano para EMI) e medidas de desfecho.

5. Avaliação do risco de viés

  1. Ferramenta de avaliação: Avalie os estudos selecionados utilizando a ferramenta revisada de risco de viés Cochrane para ensaios randomizados (RoB 2.0)30.
  2. Domínios de avaliação: Avaliar cada ECR em relação a cinco domínios específicos quanto a viés: (1) processo de randomização; (2) desvios das intervenções planejadas; (3) dados de resultado ausentes; (4) medição de desfechos; e (5) seleção do resultadorelatado 30.
  3. Processo de julgamento: Atribua um valor de viés de 'baixo risco', 'algumas preocupações' ou 'alto risco' para a avaliaçãogeral 30. Para minimizar erros ou vieses, conduza a avaliação de forma independente por dois autores. Resolver discrepâncias entre os dois autores com um terceiro autor após avaliar o risco de viés no estudo específico.

6. Certeza da avaliação das evidências

  1. Ferramenta de avaliação: Avalie a certeza das evidências para todos os resultados clínicos agrupados utilizando o quadro de avaliação de classificação de recomendações, desenvolvimento e avaliação (GRADE) 31.
  2. Domínios de avaliação de certeza de evidências: Avaliar cada resultado em relação a cinco domínios pré-definidos para rebaixamento de evidências: (1) risco de viés, informado pelos resultados mencionados da avaliação RoB 2.0; (2) inconsistência, definida como heterogeneidade substancial e inexplicada entre estudos; (3) indireta, referindo-se a descompassos entre os estudos incluídos e a questão central da pesquisa; (4) imprecisão, determinada pelo tamanho total da amostra e pela largura dos intervalos de confiança (ICs) de 95%; e (5) viés de publicação, avaliado por meio de simetria e análise de sensibilidade do gráficode funil 31.
  3. Processo de julgamento de certeza de evidências: Inicialmente, avalie as evidências dos ECRs incluídos como de alta certeza para todos os desfechos. Atribua uma nota final de alta, moderada, baixa ou muito baixa após avaliação completa em todos os cincodomínios 31. Conclua a avaliação de forma independente com dois autores e resolva quaisquer discrepâncias por meio de discussão consensual com um terceiro autor.

7. Plano de síntese e análise de dados

  1. Software de meta-análise: Use softwares especializados de meta-análise (Tabela de Materiais) para realizar a meta-análise e avaliar a eficácia das EMIs.
  2. Medidas de efeito: Resuma os desfechos primários (HbA1c e IMC) usando a diferença média (DM). Converta os valores de HbA1c para uma unidade uniforme de mmol/mol e expresse o IMC em kg/m 2. Representam desfechos secundários (HRQoL) envolvendo várias escalas usando a diferença média padronizada (DME). Relate todas as estimativas de efeito com ICs de 95%.
  3. Heterogeneidade e seleção de modelos: Avalie o nível de heterogeneidade entre os estudos por meio do teste I2 . Estabeleça o limiar para significância estatística em um valor de probabilidade (p) de duas caudas < 0,05. Aplique o modelo de efeito fixo para a análise combinada se I2 <50% (heterogeneidade aceitável). Aplique o modelo de efeitos aleatórios para análise se eu2 ≥50%.
  4. Análises adicionais: Realizar análises de sensibilidade excluindo sequencialmente estudos individuais para avaliar sua influência nos resultados gerais, de acordo com o manual Cochrane mais recente para revisões sistemáticas deintervenções 32. Compare estimativas de efeito fixo e aleatório para avaliar o papel dos efeitos de pequenos estudos na estimativa do efeito da intervenção. Tente realizar análises de subgrupos para investigar possíveis fontes de heterogeneidade e detectar efeitos diferenciais com base nas características do desenho do estudo, baseando-se em pesquisas relevantes anteriores e nas características de intervenção das EMIs.
    NOTA: Estudos em grupo pelo domínio central de intervenção das EMIs (domínio único vs. multidomínio), e realizar análises exploratórias adicionais baseadas na frequência da EMA (alta vs. baixa), envolvimento humano (ou seja, se a intervenção foi totalmente automatizada; sim vs. não) e duração da EMI (≤3 meses vs. >3 meses). Extraia todas as variáveis utilizadas nessas análises diretamente dos estudos incluídos.
  5. Para desfechos que não podem ser agrupados via meta-análise (por exemplo, número insuficiente de estudos elegíveis, dados incompletos para extração do tamanho do efeito), forneça um resumo descritivo dos achados dos estudos. Apresente este resumo apenas como conteúdo exploratório suplementar que não tem peso evidencial para apoiar conclusões clinicamente orientadoras e não é relatado como um resultado formal.

Acesso restrito. Inicie sessão ou comece um teste para visualizar este conteúdo.

Resultados

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

Seleção de estudos
Após buscas abrangentes em vários bancos de dados, 2.691 artigos foram identificados. Após a remoção de registros duplicados (n = 633), 2.058 registros restantes foram verificados quanto a títulos e resumos, e 2.029 foram removidos. Baixamos 29 artigos em texto completo durante a exibição final e uma investigação mais detalhada. No final, apenas 14 artigos atenderam aos critérios predeterminados (Figura 1).

...

Acesso restrito. Inicie sessão ou comece um teste para visualizar este conteúdo.

Discussão

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

Esta revisão sistemática e meta-análise de 14 estudos teve como objetivo avaliar a eficácia das EMIs no manejo da DME2 (Tabela Suplementar 4). Os resultados indicam que EMIs reduziram significativamente a HbA1c e o IMC. No entanto, observou-se considerável heterogeneidade entre os estudos, e análises de subgrupos confirmaram que os componentes da intervenção foram uma fonte chave de heterogeneidade. EMIs abrangentes multidomínio parecem mais benéficas para o controle gli...

Acesso restrito. Inicie sessão ou comece um teste para visualizar este conteúdo.

Divulgações

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

Os autores declaram que não têm conflito de interesses.

Agradecimentos

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

Esta pesquisa foi financiada pelo Projeto de Pesquisa da Associação Provincial de Medicina Preventiva de Sichuan nº SYYXHPT202417, Programa de Planejamento de Pesquisa da Sociedade de Psicologia da Província de Sichuan nº SCSXLXH202402011, e o Projeto Provincial de Ciência e Tecnologia Médica de Sichuan nº 25LCYJ31.

Acesso restrito. Inicie sessão ou comece um teste para visualizar este conteúdo.

Materiais

Lista de materiais utilizados neste artigo
NomeEmpresaNúmero de catálogoComentários
EndNote X9ClarivateVersão OficialEste software foi utilizado para gerenciar registros bibliográficos e remover citações duplicadas identificadas através das buscas sistemáticas em banco de dados. Facilitou a organização inicial das referências antes do processo de triagem.
Review Manager 5.3 (RevMan 5.3) The Cochrane CollaborationVersão OficialEste programa serviu como a ferramenta principal para a realização da meta-análise. Foi utilizado para executar todos os cálculos estatísticos, gerar gráficos de floresta para análises de resultados e criar figuras de risco de viés.
Microsoft Excel MicrosoftVersão OficialUm formulário de extração de dados padronizado foi criado neste software de planilha. Foi utilizado para coletar e tabular sistematicamente dados relevantes de cada um dos estudos primários incluídos.

Referências

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

Acesso restrito. Inicie sessão ou comece um teste para visualizar este conteúdo.

Reimpressões e permissões

Solicitar permissão para reutilizar o texto ou as figuras deste artigo JoVE

Solicitar permissão

Etiquetas

Autogest oControle da GlicemiaQualidade de Vida Relacionada Sa deInterven es MultidimensionaisManejo do Diabetes

Artigos relacionados