Wirksamkeit von E-Health-Interventionen zur Raucherentwöhnung: Systematische Übersichtsarbeit und Metaanalyse Open Access

Rauchen ist weltweit ein wichtiger Risikofaktor für Krebs, Herz-Kreislauf- und Atemwegserkrankungen sowie viele andere chronische Erkrankungen [1]. Rauchen verursacht nicht nur erhebliche gesundheitliche Schäden, sondern auch enorme volkswirtschaftliche Kosten. Allein die USA werden im Jahr 2020 aufgrund dieses Problems 864,5 Mrd. USD verlieren [2], und Länder mit niedrigem Einkommen wie China, in denen das Rauchen stärker verbreitet ist, stehen vor ähnlichen Herausforderungen [3]. Die Raucherentwöhnung ist entscheidend für die Minimierung des Mortalitätsrisikos und die Verbesserung der Lebensqualität [4]. Daher bleibt die Suche nach wirksamen Mitteln zur Förderung der Entwöhnung ein wichtiges Ziel der öffentlichen Gesundheit. Herkömmliche Angebote zur Raucherentwöhnung, wie z.B. Beratung, können jedoch teuer sein [5, 6] und werden aufgrund von Faktoren wie Zeitmangel oder mangelnder Bereitschaft der Patienten, Angebote zur Raucherentwöhnung im klinischen Umfeld in Anspruch zu nehmen, kaum angenommen [7]. Diese Herausforderungen erfordern die Entwicklung kostenwirksamer Modelle zur Reduzierung des Tabakkonsums.

E-Health-Technologien wie Websites, mobile Apps und SMS-Nachrichten haben sich als kostengünstige und leicht zugängliche Interventionen erwiesen. Viele dieser Technologien bieten den Nutzern interaktive Erfahrungen [8], die die Bereitschaft der Patienten zur Teilnahme an Entwöhnungsprogrammen erhöhen können [9]. Als solche sind sie ideale Werkzeuge, um die Gesundheitsversorgung zu revolutionieren [10] und die Tabakentwöhnung für verschiedene Nutzergruppen zu fördern, einschließlich der normalen täglichen Raucher und schwangerer Frauen, die zum Wohle ihres Kindes mit dem Rauchen aufhören möchten.

In den letzten 10 Jahren wurde die Wirksamkeit von E-Health-Interventionen zur Raucherentwöhnung in zahlreichen Studien untersucht, allerdings mit uneinheitlichen Ergebnissen [11]. Eine systematische Übersichtsarbeit von 108 Studien aus dem Jahr 2018 fand beispielsweise Hinweise darauf, dass webbasierte und mobile Gesundheitsmaßnahmen (M-Health) die Abstinenzraten moderat erhöhen können, während computergestützte Maßnahmen nicht den gleichen Effekt hatten [12]. Eine andere systematische Übersichtsarbeit aus dem Jahr 2019 mit 26 Studien ergab, dass automatisierte SMS-Interventionen wirksamer waren als minimale Unterstützung bei der Raucherentwöhnung, während die Wirksamkeit von mobilen Apps auf die Abstinenz unklar blieb [13]. Allerdings weisen diese systematischen Übersichtsarbeiten einige bemerkenswerte Einschränkungen auf. In neueren Übersichtsarbeiten wurde nur die Abstinenz als Ergebnisvariable ausgewertet und andere Ergebnisse wie z.B. der Zigarettenkonsum wurden nicht berücksichtigt [14]. Darüber hinaus wurde in den Übersichtsarbeiten nicht zwischen selbstberichteter und biochemisch verifizierter Abstinenz unterschieden. Ein weiterer Nachteil ist, dass frühere Übersichtsarbeiten hauptsächlich Ergebnisse aus Ländern mit hohem Einkommen zusammenfassten, die möglicherweise nicht auf Länder mit niedrigem und mittlerem Einkommen übertragbar sind [15]. Schließlich umfasste die jüngste Übersichtsarbeit, die die gesamte E-Health-Interventionslandschaft abdeckte, nur Studien, die bis 2017 veröffentlicht wurden [12]. Seitdem ist die Nutzung von E-Health sprunghaft angestiegen und es wurden zahlreiche neue Studien veröffentlicht.

Mit der raschen Entwicklung der E-Health-Technologien [16] entwickeln sich auch die Interventionen zur Förderung der Raucherentwöhnung ständig weiter. Dies gilt sowohl für die Vertriebskanäle als auch für die Interventionsmaterialien. Ziel dieser systematischen Übersichtsarbeit war es daher, 1) die aktuelle Evidenz (2017 bis Mitte 2022) zur Wirksamkeit von E-Health-basierten Interventionen zur Raucherentwöhnung, gruppiert nach Behandlungsmerkmalen, Studienpopulation und Ergebnisverifizierung, zusammenzufassen und 2) wichtige Nichtabstinenz-Ergebnisindikatoren wie Zigarettenkonsum und Nutzerzufriedenheit mittels einer narrativen Zusammenfassung zu bewerten.

Diese Studie wurde gemäß PRISMA (preferred reporting items for systematic reviews and meta-analyses) [17] konzipiert und berichtet. Ein detaillierter Bericht über die Ziele und Methoden dieser systematischen Übersichtsarbeit ist in PROSPERO registriert (2022; CRD42022347104).

Es wurde eine systematische Suche in 4 elektronischen Datenbanken – PubMed (einschließlich MEDLINE), PsycINFO, Embase und Cochrane Library – durchgeführt, um Studien zu sammeln, die zwischen 2017 und Mitte 2022 veröffentlicht wurden. Die Suchstrategie wurde zunächst für PubMed entwickelt, wobei eine Kombination aus Schlüsselwörtern und medizinischen Begriffen verwendet wurde. Um die Suche zu präzisieren, wurden die Schlüsselbegriffe, soweit möglich, den Begriffen der medizinischen Fachgebiete zugeordnet. Später wurde die Suchstrategie auf andere Datenbanken – PsycINFO, Embase und die Cochrane Library – mit deren eigenen Thesaurusbegriffen und erweiterten Suchfunktionen übertragen. Die Suchbegriffe wurden in 4 Kategorien unterteilt: 1) Raucherentwöhnung – das Thema der Intervention, 2) Gerät – das Gerät, mit dem die Intervention durchgeführt wurde, 3) Interventionskanal – der spezifische Ansatz, mit dem die Teilnehmer einbezogen wurden, und 4) randomisierte kontrollierte Studien (randomized controlled trials, RCTs) – das Studiendesign. Jede Datenbank wurde entsprechend durchsucht. Die Suchstrategie für PubMed ist in Tabelle 1 dargestellt.

Im Multimedia-Anhang 1 des Originalartikels [18] sind die Suchbegriffe für alle Datenbanken aufgeführt (abrufbar unter www.jmir.org/2023/1/e45111). Die Suche wurde auf Studien beschränkt, die zwischen dem 1. Januar 2017 und dem 30. Juni 2022 in englischer Sprache veröffentlicht wurden, da frühere Übersichtsarbeiten zu E-Health-Interventionen zur Raucherentwöhnung hauptsächlich Studien umfassten, die vor 2017 veröffentlicht wurden [12].

Die Studienpopulation umfasste Erwachsene (≥ 18 Jahre), die zum Zeitpunkt der Einschreibung in die Studie aktuell rauchten. Wir waren daran interessiert, die Wirksamkeit von Interventionen zur Raucherentwöhnung nur in Bezug auf das Zigarettenrauchen zu untersuchen.

Eingeschlossen wurden Studien, die über E-Health-basierte Interventionen zur Raucherentwöhnung berichteten, definiert als Interventionen, die über Smartphone-basierte, webbasierte und computerbasierte Kanäle, über die sozialen Medien und mithilfe tragbarer Geräte angeboten wurden. Die Inhalte der Interventionen umfassten Lektüre, Videos und Ratschläge zu verschiedenen Therapien, Textnachrichten, soziale Medien und sogar biochemische Tests (z.B. Kohlenmonoxid-Checker). Die Interventionen wurden dann unter der breiteren Kategorie der E-Health-Interventionen in die folgenden 3 Gruppen eingeteilt: webbasierte Interventionen, M-Health (SMS und Apps) oder computerbasierte Interventionen. Webbasierte Interventionen beziehen sich auf Entwöhnungsangebote, die über Websites verfügbar sind, während M-Health-Interventionen als alle Entwöhnungsangebote definiert sind, die über Mobiltelefone verfügbar sind. Computergestützte Interventionen schließlich beziehen sich auf Entwöhnungsangebote, die über Computer zugänglich sind. E-Health-Interventionen können entweder eigenständig oder als Ergänzung zu anderen Therapien angeboten werden. Interventionen wurden als personalisiert oder interaktiv eingestuft, wenn der Inhalt der Intervention auf der Grundlage der Reaktionen der Teilnehmer oder ihrer Fähigkeit, interaktive Erfahrungen durch Live-Feedback zu machen, auf die einzelnen Teilnehmer zugeschnitten war.

Es wurden Studien eingeschlossen, die Placebo- oder Kontrollinterventionen, nicht gesundheitsbezogene Interventionen oder keine Intervention als Kontrolle verwendeten. Placebo- oder Kontrollinterventionen können in der Bereitstellung weniger relevanter Inhalte über elektronische Kanäle bestehen, z.B. einer reduzierten Version einer M-Health-App zur Raucherentwöhnung. Nicht-E-Health-Interventionen können Inhalte zur Raucherentwöhnung umfassen, die in nicht elektronischen Medien bereitgestellt werden, z.B. Selbsthilfematerialien zur Raucherentwöhnung. Diese systematische Übersichtsarbeit umfasste nur Studien mit mindestens 1 Kontrollgruppe.

Studien, die über biochemisch verifizierte oder selbstberichtete Abstinenz berichten, wurden bei einer Nachbeobachtungszeit von ≥ 3 Monaten erfasst. Andere Ergebnisse, wie z.B. die Verringerung des Zigarettenkonsums und die Einhaltung der Intervention, gemessen an der Zufriedenheitsrate, wurden ebenfalls erfasst sofern verfügbar, waren aber nicht obligatorisch.

In diese Übersichtsarbeit wurden nur RCTs aufgenommen, sowohl groß angelegte RCTs als auch Pilot-RCTs. Konferenzabstracts wurden von der Studie ausgeschlossen.

Studien wurden ausgeschlossen, wenn sie 1) Personen einschlossen, die rauchlose Tabakprodukte oder E-Zigaretten konsumierten, 2) E-Health-Technologien nur zur Rekrutierung der Teilnehmer und nicht als Teil der Intervention einsetzten und 3) eine Nachbeobachtungszeit von weniger als 3 Monaten aufwiesen.

Zwei unabhängige Gutachter (YEF und ZZ) überprüften die Titel und Abstracts auf Einschlusskriterien. Es wurde eine relativ gute Interrater-Reliabilität erreicht (prozentuale Übereinstimmung = 81%, Cohens κ = 0,61). Nach der endgültigen Aufnahme in die Liste führten dieselben beiden Gutachter unabhängig voneinander eine weitere Überprüfung durch. Eventuelle Konflikte zwischen den beiden Gutachtern wurden im Beisein eines dritten Autors (ausgewählt aus der Liste der Autoren, entweder RW oder BY) diskutiert, der zum endgültigen Konsens beitrug. Der Studienauswahlprozess wurde mithilfe der Covidence-Workflow-Plattform durchgeführt.

Zwei Gutachter (YEF und ZZ) führten die Datenextraktion unabhängig voneinander durch, wobei sie dieselbe Datenextraktionsvorlage mit mehreren Kategorien für die Eingabe detaillierter Informationen in die Covidence-Plattform verwendeten [19]. Die extrahierten Daten umfassten: 1) Studieninformationen (Land der Studie, Studienregistrierung, Finanzierungsquellen und Interessenerklärungen), 2) Studienteilnehmer (Einschluss- oder Ausschlusskriterien, Populationsmerkmale und Stichprobengröße), 3) Interventions- und Kontrolldetails, 4) theoretischer Rahmen, 5) Ergebnismessungen und 6) Haupt­ergebnisse der Studie (Abstinenzrate, Reduktion des Zigarettenkonsums und Zufriedenheitsrate bei ≥ 3 Monaten Nachbeobachtung). Eventuelle Konflikte zwischen den beiden Autoren wurden zwischen den Gutachtern oder im Beisein eines dritten Autors (entweder RW oder BY) diskutiert, um einen endgültigen Konsens zu erzielen.

Die Qualitätsbewertung basierte auf den GRADE-Rahmenbedingungen (grading of recommendations, assessment, development, and evaluations) [17]. Zwei Gutachter (YEF und ZZ) führten zunächst unabhängig voneinander eine Bewertung des Verzerrungsrisikos auf der Grundlage des Cochrane Handbook for Systematic Reviews of Interventions [20] und der Cochrane Tobacco Addiction Group durch. Zwei Reviewer bewerteten das Verzerrungsrisiko für jede eingeschlossene Studie anhand von 5 vordefinierten Bereichen unter Verwendung der Version 2 des Cochrane Risk-of-Bias Tool for Randomised Trials (RoB 2) [21]: 1) Verzerrung durch den Randomisierungsprozess, 2) Verzerrung durch Abweichungen von den geplanten Interventionen, 3) Verzerrung durch fehlende Ergebnisdaten, 4) Verzerrung bei der Messung des Ergebnisses und 5) Verzerrung bei der Auswahl des berichteten Ergebnisses. Nach der Datenextraktion bewertete jeder Gutachter jeden Verzerrungsbereich als gering, hoch oder etwas besorgniserregend. Unstimmigkeiten zwischen den beiden Autoren wurden im Beisein eines dritten Autors geklärt. Die Evidenzsicherheit wurde als sehr niedrig, niedrig, moderat oder hoch eingestuft, basierend auf den Risiken von Verzerrung, Ungenauigkeit, Inkonsistenz, Indirektheit und Publikationsverzerrung.

Das primäre Ergebnis dieser systematischen Übersichtsarbeit war die Bewertung der Auswirkungen von E-Health-basierten Interventionen zur Raucherentwöhnung auf die Abstinenzrate, gemessen bei einer Nachbeobachtung nach ≥ 3 Monaten durch Selbstbericht oder biochemische Verifizierung. Kurz- und langfristige Abstinenz wurden definiert als Abstinenzergebnisse, die bei der Nachbeobachtung nach 3 bzw. 6 Monaten gemessen wurden. Gemessen wurde die 7-Tage-Punktprävalenz-Abstinenz (point prevalence abstinence, PPA), die 30-Tage-PPA oder die verlängerte PPA. Diese Messungen wurden in dieser Übersichtsarbeit austauschbar verwendet, da es Hinweise darauf gibt, dass eine solche Datenverarbeitung die Ergebnisse nicht wesentlich beeinflusst [22]. Es wurden nur Daten aus der Intention-to-treat-Analyse ausgewählt. Alle ursprünglich randomisierten Teilnehmer wurden eingeschlossen, und alle fehlenden Daten aufgrund von Abbrüchen wurden gemäß den Richtlinien der Cochrane Tobacco Group [23] als Raucher gewertet. Nichtabstinenz-Ergebnisse wurden aufgrund der begrenzten Anzahl von Studien, die über statistische Ergebnisse berichteten, und der unterschiedlichen Standards zur Messung der Ergebnisse nicht in einer Metaanalyse untersucht. Anschließend wurden der Rückgang des Zigarettenkonsums und die Zufriedenheitswerte narrativ zusammengefasst.

Für den primären Endpunkt der Abstinenzrate wurden dichotome Daten über die Anzahl der Teilnehmer, die entweder in der Behandlungsgruppe oder in der Kontrollgruppe zum Zeitpunkt der Nachbeobachtung mit dem Rauchen aufgehört hatten, in die Software Stata 17 [24] eingegeben, um das logarithmische relative Risiko (log RR) zu berechnen. Um vergleichbare Ergebnisse in der Metaanalyse zu erhalten, wurden die eingeschlossenen Studien anhand der Studienteilnehmer, der E-Health-Interventionen bzw. -Kontrollen und der Ergebnisverifizierung in verschiedene Untergruppen stratifiziert. In den Fällen, in denen 2 oder mehr Studien als vergleichbar eingestuft wurden, wurde eine Metaanalyse durchgeführt, um die kombinierten Effekte der Interventionen auf die Abstinenzrate zu berechnen. Die Abstinenzergebnisse für die nicht in die Metaanalyse einbezogenen Studien wurden für jede Studie zusammengefasst. Angesichts der potenziellen Heterogenität der Behandlungseffekte, der unterschiedlichen Studiengrößen und der begrenzten Anzahl eingeschlossener Studien wurde in dieser Studie die Methode des Sidik-Jonkman-Modells mit zufälligen Effekten verwendet, um die für das Abstinenzergebnis berechneten log RR-Werte und 95%-Konfidenzintervalle (95%-KI) zusammenzufassen [25]. Die Heterogenität wurde mit der I²-Statistik bewertet, da diese auch bei kleinen Stichprobengrößen robust ist. Die Publikationsverzerrung wurde anhand von Trichterplots bewertet.

Nach Eliminierung von Duplikaten wurden in der ersten Datenbankrecherche insgesamt 464 Studien identifiziert. Nach einem Screening und einer Volltextbewertung wurden 39 Studien als geeignet für diese Übersichtsarbeit erachtet, von denen 28 in die Metaanalyse eingeschlossen wurden. Abbildung 1 zeigt das PRISMA-Flussdiagramm, das den Prozess der Studienauswahl und die Ausschlussgründe bei der Volltextbewertung veranschaulicht.

Alle eingeschlossenen Studien waren RCTs (31/39, 80%) oder Pilot-RCTs (8/39, 21%), die zwischen 2017 und 2022 veröffentlicht wurden. Die Hauptmerkmale der eingeschlossenen Studien sind in Tabelle 2 zusammengefasst. Die meisten Studien wurden in Ländern mit hohem Einkommen durchgeführt (28/39, 72%; d.h. USA, Großbritannien, Frankreich, Schweiz, Spanien, Argentinien, Hongkong und Japan). Es wurden jedoch auch relativ viele Studien in Ländern oder Regionen mit niedrigem und mittlerem Einkommen (11/39, 28%) gemäß der Definition der Weltbank [26] (d.h. China, Thailand, Indien, Brasilien, Türkei und Vietnam) gefunden.

Insgesamt wurden 37 341 Teilnehmer aus 39 Studien in diese Übersichtsarbeit eingeschlossen. Die Stichprobengröße pro Studie variierte zwischen 49 und 8000 Teilnehmern. Die meisten Teilnehmer (26/39, 67% der Studien) waren nicht klinische erwachsene Raucher, die mit dem Rauchen aufhören wollten. Der Begriff «Aufhörabsicht» bezieht sich auf Raucher, die zum Zeitpunkt der Befragung bereit waren, mit dem Rauchen aufzuhören. Zu den anderen Studienteilnehmern gehörten erwachsene Raucher, die nicht unbedingt die Absicht hatten, mit dem Rauchen aufzuhören, und die aus dem beruflichen Umfeld rekrutiert wurden (1/39, 3%), schwangere Raucherinnen (5/39, 13%) und Raucher mit psychischen Erkrankungen (3/39, 8%). Es ist anzumerken, dass die Studien mit schwangeren Raucherinnen (5/39, 13%) Teilnehmerinnen im Alter von ≥ 16 Jahren einschlossen. Das Durchschnittsalter der schwangeren Frauen lag zwischen 26,6 und 28 Jahren, was darauf hindeutet, dass die meisten rekrutierten Teilnehmerinnen erwachsen waren. Daher haben wir diese Studien in unsere Analyse einbezogen, um einen umfassenden Überblick über E-Health-basierte Interventionen zur Raucherentwöhnung zu geben. Andere gefährdete Populationsgruppen waren Raucher mit niedrigem sozioökonomischem Status, Patienten mit aktueller Tuberkulose und Krankenhauspatienten in klinischen Einrichtungen (4/39, 10%; Tab 2).

Insbesondere berichteten die meisten Studien über den Einsatz von M-Health-Interventionen (30/39, 77%), die SMS-Textnachrichten oder mobile Apps umfassen. Aus Gründen der Übersichtlichkeit werden im Folgenden SMS und Apps, die nur SMS-Dienste anbieten, als «SMS- oder App-Textnachrichten» bezeichnet. Neben M-Health nutzte 1 Studie webbasierte Interventionen (1/39, 3%) und 8 Studien wählten gemischte Ansätze (8/39, 21%), bei denen sowohl M-Health als auch webbasierte Kanäle in den Interventionspaketen verwendet wurden. Die meisten E-Health-Interventionen (34/39, 87%) wurden als primäre Interventionen durchgeführt. Mehr als zwei Drittel (29/39, 74%) der Interventionen beinhalteten ein gewisses Maß an Personalisierung durch maßgeschneiderte Interventionsmaterialien auf der Grundlage von Nutzerfeedback oder durch interaktive Experimente. Mehr als ein Drittel (14/39, 36%) der Studien gaben keinen theoretischen Rahmen an. Als theoretische Rahmen wurden vor allem die Akzeptanz- und Commitment-Therapie, die sozial-kognitive Theorie, die kognitiv-verhaltenstherapeutische Therapie oder gemischte Theorien genannt.

Mehr als die Hälfte (22/39, 56%) der Studien wählten eine biochemische Verifizierung der PPA-Messungen durch Kohlenmonoxid- oder Cotinintests. Die übrigen Studien verwendeten selbstberichtete Daten zur Abstinenz. Die Dauer der Nachbeobachtung reichte von 3 Monaten (12/39, 31%) über 6 Monate bzw. vor der Geburt (19/39, 49%) bis zu 12 Monaten (8/39, 21%). Neben dem primären Ergebnis der Rauchabstinenz berichteten 13 (13/39, 33%) Studien über Veränderungen des Zigarettenkonsums, während 19 (19/39, 38%) Studien über die Nutzerzufriedenheit nach der Intervention berichteten.

Alle eingeschlossenen Studien wurden gemäß den Richtlinien des Cochrane Handbook for Systematic Reviews of Interventions [20] auf ihr Verzerrungspotenzial bewertet. Die Verzerrung bei der Messung der Ergebnisse wurde als gering eingestuft, da die Cochrane Tobacco Addiction Group feststellte, dass die Verblindung der Teilnehmer Interventionen zur Raucherentwöhnung unmöglich machte [13]. Insgesamt bewerteten wir 26 Studien (26/39, 67%) als Studien mit niedrigem Verzerrungsrisiko (mit niedrigem Verzerrungsrisiko in allen Bereichen), 8 Studien (8/39, 21%) als Studien mit einigem Anlass zur Besorgnis (mit einigem Anlass zur Besorgnis in mindestens einem Bereich, aber ohne Feststellung eines hohen Verzerrungsrisikos) und 5 Studien (5/39, 13%) als Studien mit hohem Verzerrungsrisiko (mit hohem Verzerrungsrisiko in mindestens einem Bereich). Das Verzerrungsrisiko pro Domäne ist in Abbildung 2 dargestellt. Unvollständige Ergebnisdaten waren die Hauptursache für ein hohes Verzerrungsrisiko (4/39, 10%). Es ist anzumerken, dass 33% (13/39) der Studien eine hohe Abbruchrate (> 20%) aufwiesen. 9 dieser Studien wurden jedoch als mit geringem Risiko einer Verzerrung oder als etwas besorgniserregend eingestuft, da es keine Hinweise auf verschiedene fehlende Daten gab.

Insgesamt wurden 28 Studien in die Metaanalyse eingeschlossen, da sie in Bezug auf Zielpopulation, Intervention, Kontrolle und Ergebnisse ähnlich waren. Um die Vergleichbarkeit der Studien in der Metaanalyse zu gewährleisten, wurden sie in Kurzzeitstudien (3 Monate Nachbeobachtungszeit) und Langzeitstudien (6 Monate Nachbeobachtungszeit) mit erwachsenen Rauchern (19/28, 69%) unterteilt. Die Ergebnisse werden in tabellarischer Form dargestellt, um die Darstellung weiterer Informationen zu erleichtern. Alle Forest-Plots sind im Multimedia-Anhang 2 des Originalartikels [38‒65] verfügbar (abrufbar unter www.jmir.org/2023/1/e45111). Innerhalb jeder Nachbeobachtungskategorie wurden die Studien nach Art der Intervention und Kontrolle gruppiert (Tab 3): 1) hochfrequente SMS- oder App-Textnachrichten im Vergleich zu niedrigfrequenten SMS- oder App-Textnachrichten, 2) SMS oder App mit niedriger Frequenz im Vergleich zu minimaler Unterstützung bei der Raucherentwöhnung (einschließlich Selbsthilfematerialien und Standardpraktiken), 3) M-Health-App im Vergleich zu weniger intensiver Unterstützung bei der Raucherentwöhnung (einschließlich bestehender Angebote zur Raucherentwöhnung oder einer mobilen App mit weniger Funktionen) und 4) M-Health-App + psychologische oder pharmakologische Therapie im Vergleich zu psychologischer oder pharmakologischer Therapie allein. Darüber hinaus haben wir explorative Analysen durchgeführt, indem wir dieselben Gruppen von Studien nach dem Grad der Personalisierung oder Interaktivität (personalisiert oder interaktiv im Vergleich zu nicht personalisiert oder interaktiv) oder nach der Art der Verifizierung der Ergebnisse (biochemisch verifiziert im Vergleich zu selbstberichtet; Tab 4) gruppiert haben. Bei Studien mit spezifischen Populationen (10/28, 36%) wurden die Abstinenzergebnisse von Studien mit derselben Population nur nach Teilnehmermerkmalen zusammengefasst. Detaillierte Informationen zu den einzelnen Studien, die in die Metaanalyse eingeschlossen wurden, finden sich in Multimedia-Anhang 3 des Originalartikels [38‒65] (abrufbar unter www.jmir.org/2023/1/e45111).

In nur 2 Studien wurden hochfrequente SMS- oder App-Textnachrichten mit niederfrequenten SMS- oder App-Textnachrichten verglichen. Gepoolt wurde kein statistisch signifikanter Unterschied zwischen den Interventions- und Kontrollergebnissen gefunden, weder kurzfristig (log RR = -0,01, 95%-KI -0,25 bis 0,28; I² = 38,77%) noch langfristig (log RR = 0,00, 95%-KI -0,07 bis 0,08; I² = 0,46%).

Insgesamt 5 Studien verglichen die Abstinenzergebnisse von Interventionen mit SMS- oder App-Textnachrichten mit Interventionen mit minimaler Unterstützung bei der kurzfristigen Raucherentwöhnung, 3 berichteten über langfristige Ergebnisse (mit Überschneidungen zwischen den Studien). Gepoolt wurde in der Interventionsgruppe ein signifikanter Anstieg der kurzfristigen Abstinenz mit mäßiger Sicherheit festgestellt (log RR = 0,50, 95%-KI 0,25–0,75; I² = 0,72%). Noch signifikanter war der Effekt in der Langzeitnachbeobachtung (log RR = 0,77, 95%-KI 0,49–1,04; I² = 8,65%).

Von den in die Metaanalyse eingeschlossenen Studien verglichen 8 die Verwendung von M-Health-Apps mit einer weniger intensiven Unterstützung bei der Raucherentwöhnung, wobei 4 über kurzfristige und 6 über langfristige Ergebnisse berichteten (mit Überschneidungen zwischen den Studien). Die gepoolten Abstinenzergebnisse deuten darauf hin, dass M-Health-Apps kurzfristig einen signifikanten Effekt auf die Abstinenz für die Intervention haben können (log RR = 0,76, 95%-KI 0,09–1,42; I² = 88,02%), während langfristig kein signifikanter Effekt gefunden wurde (log RR = 0,15, 95%-KI -0,18 bis 0,48; I² = 80,06%).

Nur Studien, die die M-Health-Apps plus psychologische oder pharmakologische Therapie mit der psychologischen oder pharmakologischen Therapie allein verglichen, erfassten die Langzeiteffekte auf die Abstinenz (2/28, 7%). Der Unterschied im Abstinenzergebnis war nicht signifikant (log RR = 0,25, 95%-KI -0,18 bis 0,67; I² = 16,91%).

Dieselben Studien, die in der Untergruppenanalyse nach kurz- und langfristigen Interventionen gruppiert wurden, wurden auch in den explorativen Analysen nach Personalisierung oder Interaktionsebene gruppiert (Tab 4). Im Vergleich zu den Studien ohne Personalisierung oder interaktiven Elementen, die zu nicht signifikanten Ergebnissen führten (kurzfristig log RR = 0,17, 95%-KI -0,21 bis 0,54; I² = 67,39%; langfristig log RR = 0,23, 95%-KI -0,26 bis 0,72; I² = 82,52%), erzielten diejenigen, die ein gewisses Maß an Personalisierung oder interaktiven Inhalten anboten, sowohl kurzfristig (log RR = 0,62, 95%-KI 0,30–0,94; I² = 66,50%) als auch langfristig (log RR = 0,28, 95%-KI 0,04–0,53; I² = 73,42%) einen moderaten Anstieg der Abstinenz.

In der zweiten explorativen Analyse wurde der Interventionseffekt zwischen Studien mit biochemisch verifizierten und selbstberichteten Ergebnissen verglichen. Studien, die eine biochemische Abstinenzverifizierung verwendeten, fanden einen moderaten Anstieg der kurzfristigen Rauchabstinenz (log RR = 0,45, 95%-KI 0,15–0,74; I² = 21,39%), ähnlich wie Studien, die selbstberichtete Ergebnisse verwendeten (log RR = 0,56, 95%-KI 0,15–0,96; I² = 87,88%). Bei den Langzeiteffekten zeigte keine der beiden Studiengruppen signifikante Ergebnisse (biochemische Verifizierung, log RR = 0,26, 95%-KI -0,02 bis 0,54; I² = 34,82%; selbstberichtet, log RR = 0,31, 95%-KI -0,05 bis 0,68; I² = 95,06%). Angesichts der erheblichen statistischen Heterogenität sollten die Schätzungen in den beiden explorativen Analysen jedoch mit Vorsicht interpretiert werden.

Insgesamt 10 Studien berichteten über Interventionen, die sich an vergleichbare Bevölkerungsgruppen mit spezifischen Merkmalen richteten. Aufgrund der begrenzten Anzahl von Studien wurde keine weitere Kategorisierung nach Nachbeobachtung, Intervention oder Kontrolle vorgenommen. Im Krankenhaus behandelte erwachsene Raucher profitierten stärker von E-Health-Interventionen (log RR = 1,00, 95%-KI 0,22–1,78; I² = 3,45%) als schwangere Raucherinnen (log RR = 0,34, 95%-KI -0,01 bis 0,68; I² = 25,84%). Die Ergebnisse für Raucher mit psychischen Erkrankungen waren widersprüchlich und nicht signifikant (log RR = -0,25, 95%-KI -1,92 bis 1,42; I² = 72,32%; Abb 3).

Für jedes gepoolte Ergebnis wurden Trichterplots generiert, die im Multimedia-Anhang 2 des Originalartikels dargestellt sind (verfügbar unter www.jmir.org/2023/1/e45111). Aufgrund der begrenzten Anzahl von Studien in jeder Gruppe ist es schwierig, eine Publikationsverzerrung zu beurteilen. Daher wurde beschlossen, sich auf die Untergruppe mit der größten Anzahl an Studien (n = 13) zu konzentrieren, die auch Studien zur langfristigen Abstinenz beinhalten.

Abbildung 4 zeigt den Trichterplot zur Bewertung der Publikationsverzerrung in Studien zur Messung der langfristigen Abstinenz erwachsener Raucher. Die visuelle Inspektion des Diagramms ergab eine relativ symmetrische Verteilung der eingeschlossenen Studien, was darauf hindeutet, dass unsere Studie wahrscheinlich nicht von einer Publikationsverzerrung betroffen war.

Für die Studien, die nicht in die Metaanalyse eingeschlossen wurden (n = 11), haben wir die Effekte der Behandlung auf die Abstinenzergebnisse in Tabelle 5 zusammengefasst, da sie sich in der Studienpopulation oder den Interventionen unterscheiden. Insgesamt 2 Studien, in denen plattformübergreifende E-Health-Interventionen oder M-Health-Apps in Kombination mit SMS-Nachrichten eingesetzt wurden, berichteten über einen signifikanten Anstieg der Abstinenz bei der Nachbeobachtung nach 3 und 6 Monaten [27, 28]. Eine signifikante Verbesserung der Abstinenz nach 6 Monaten wurde in 2 Studien berichtet, in denen M-Health-Beratung bzw. SMS-Nachrichten in Kombination mit einer pharmakologischen Therapie als Intervention eingesetzt wurden [29, 30]. Darüber hinaus berichtete 1 Studie über ein SMS-Überweisungsprogramm, mit dem Raucher an Entwöhnungsdienste verwiesen wurden, was die Entwöhnungsergebnisse verbessern könnte [31]. Schließlich wurde angenommen, dass die Akzeptanz- und Commitment-Therapie im Kontext der M-Health-App-Gruppe wirksamer ist als die klinischen Praxisleitlinien aus den USA [32]. Die verbleibenden 5 Studien berichteten keine signifikanten Unterschiede zwischen Intervention und Kontrolle in Bezug auf die Ergebnisse der Raucherentwöhnung [33‒37].

Für Nichtabstinenz-Ergebnisse berichteten insgesamt 20 Studien über eine Verringerung des Zigarettenkonsums und der Benutzerzufriedenheit (Multimedia-Anhang 4 des Originalartikels [28, 32‒34, 37‒50, 52, 53, 58, 60, 62, 64] – verfügbar unter www.jmir.org/2023/1/e45111). Von den 14 Studien, die über die Ergebnisse des Zigarettenkonsums berichteten, wiesen nur 3 darauf hin, dass die Intervention den Zigarettenkonsum im Vergleich zu den Kontrollen signifikant reduzieren konnte [38‒40]. Schließlich wurde in 19 Studien die Zufriedenheit der Nutzer nach der Intervention untersucht. 18 Studien berichteten über eine gute Nutzerzufriedenheit, während die verbleibende Studie speziell die Programmadhärenz der Nutzer untersuchte [38]. Von den Studien, die eine hohe Nutzerzufriedenheit berichteten, verglichen 8 die Nutzerzufriedenheit zwischen Interventions- und Kontrollgruppe und fanden eine signifikant höhere Zufriedenheit im Interventionsarm [28, 32, 34, 41‒45].

Diese systematische Übersichtsarbeit umfasste 39 RCTs zu E-Health-Interventionen zur Raucherentwöhnung, die zwischen 2017 und 2022 veröffentlicht wurden [27‒65]. Die meisten Interventionen wurden als M-Health-Interventionen klassifiziert, die mobile SMS- oder App-Textnachrichten und mobile Apps umfassen. Dieses Ergebnis deutet darauf hin, dass sich die Kanäle für die Durchführung von Entwöhnungsbehandlungen weg von den vor mehr als 5 Jahren vorherrschenden internetgestützten Interventionen [67] oder telefonischen Beratungen [15] verlagert haben. Die Zusammenfassung der 28 eingeschlossenen Studien ergab gemischte Ergebnisse bei den Studien, die verschiedene Unterkategorien von E-Health-Interventionen und Personalisierung oder Interaktionsstatus verwendeten. Darüber hinaus variierte die Auswirkung der Intervention auf die Abstinenz zwischen den untersuchten Populationen. Schließlich ergab die Metaanalyse, dass Studien, die eine biochemische Verifizierung verwendeten, ähnliche Ergebnisse lieferten wie Studien, die nur die selbstberichtete Abstinenz untersuchten. Von den Studien, die nicht in die Metaanalyse eingeschlossen wurden, berichtete etwa die Hälfte (6/11, 55%) über eine statistisch signifikante positive Auswirkung auf die Erhöhung der Abstinenz. Neben der Abstinenz untersuchte eine kleine Anzahl von Studien (14/39, 36%) die Auswirkungen von E-Health-Interventionen auf die Reduktion des Zigarettenkonsums. Obwohl fast alle Studien die Nutzerzufriedenheit untersuchten und ein hohes Maß an Zufriedenheit nach der Intervention feststellten, fanden weniger als die Hälfte der Studien signifikante Unterschiede zwischen der Interventions- und der Kontrollgruppe.

In dieser Studie wurden 3 Arten von M-Health-Interventionen untersucht: SMS- oder App-Textnachrichten, eigenständige M-Health-Apps und M-Health-Apps, die zusätzlich zu einer psychologischen oder pharmakologischen Therapie eingesetzt werden. Diese Interventionen haben unterschiedliche Auswirkungen auf die Abstinenz. Unsere Ergebnisse unterstützen eine frühere Übersichtsarbeit [13], die nahelegt, dass SMS- oder App-Textnachrichten wirksamer bei der Förderung der Abstinenz sind als eine minimale Unterstützung bei der Entwöhnung. Unsere Studie zeigte jedoch auch, dass eine Erhöhung der SMS-Frequenz keinen positiven Effekt auf die Abstinenz hat und sogar die Adhärenz erschweren kann [46]. Darüber hinaus wurde in einer früheren Übersichtsarbeit keine Evidenz dafür gefunden, dass Smartphone-Apps die Wahrscheinlichkeit einer Raucherentwöhnung erhöhen können, und es wurde weitere Forschung in diesem Bereich gefordert [13]. Im Gegensatz dazu stellten wir in unserer Studie fest, dass neuere RCTs, in denen Smartphone-Apps getestet wurden, bei erwachsenen Rauchern eine höhere Wahrscheinlichkeit für eine kurzfristige Abstinenz feststellten. Im Vergleich zu früheren Erkenntnissen gehen wir davon aus, dass diese Veränderung auf Verbesserungen in der Gesamtqualität der Entwöhnungs-Apps zurückzuführen ist, die ein personalisierteres Design ermöglichen, was wiederum die Akzeptanz bei den Rauchern erhöht [68]. Schließlich hat unsere Studie gezeigt, dass der Einsatz von M-Health-Apps in Kombination mit psychologischer oder pharmakologischer Therapie zu ähnlichen Abstinenzerfolgen führt wie die Therapie allein. Die Evidenz ist jedoch gering, was auf die Notwendigkeit weiterer Forschung in diesem Bereich hinweist.

Unsere Übersichtsarbeit fand eine hohe Abbruchrate und geringe langfristige Behandlungseffekte in den identifizierten M-Health-Studien zur Raucherentwöhnung, was sich mit früheren Übersichtsarbeiten deckt [12, 13]. Frühere Interventionen, die in der systematischen Übersichtsarbeit von Belita und Sidani [69] zusammengefasst wurden, zeigten ebenfalls hohe Abbruchraten zwischen 30% und 50% vor dem Einschluss und 10–50% nach dem Einschluss, mit einer gepoolten Rate von 10,8–77%. Eine derart hohe Abbruchrate kann viele potenzielle Therapien leicht unwirksam machen. Obwohl M-Health-Technologien einige logistische Faktoren, wie z.B. die Anreise, angemessen berücksichtigen können, sind diese weder signifikant noch stehen sie in einem signifikanten Zusammenhang mit der Abbruchrate. Daher sollte der Identifizierung und dem Verständnis der Faktoren, die die Abbruchrate maßgeblich beeinflussen, Priorität eingeräumt werden. So ist z.B. die Nutzerzufriedenheit aus Sicht der Entwickler von elektronischen Gesundheitsdiensten ein wichtiges Maß für die potenzielle Adhärenz [70]. Wir stellten jedoch fest, dass die meisten der eingeschlossenen Studien zwar hohe Zufriedenheitswerte meldeten, aber dennoch eine relativ geringe Nutzeradhärenz aufwiesen, was durch die hohe Abbruchrate (13/39, 33%) belegt wird. Dieses Ergebnis deutet darauf hin, dass die Bewertung der Nut­zerzufriedenheit allein möglicherweise kein zuverlässiger Faktor für die Vorhersage der Adhärenz ist, zumindest nicht bei Interventionen zur Raucherentwöhnung. Forscher und Entwickler von M-Health-Apps sollten erwägen, den Interventionsbereich auf der Grundlage demografischer Faktoren in der Konzeptionsphase einzugrenzen und die Personalisierung auf der Grundlage klinischer, verhaltensbezogener und gesundheitsbezogener Faktoren in der Entwicklungsphase zu verbessern [69]. Die E-Health-Maßnahmen zur Raucherentwöhnung, die in unserer Metaanalyse die signifikanteste Steigerung der Abstinenz erreichten, richteten sich an im Krankenhaus behandelte erwachsene Raucher (log RR = 1,00, 95%-KI 0,22–1,78; I² = 3,45%) [40, 47]. Dieser Erfolg könnte auf die gute Teilnahme am Programm zurückzuführen sein, die sich in einer niedrigen Abbruchrate widerspiegelt. Dies ist auf ein institutionelles Umfeld zurückzuführen, das gesundheitsförderndes Verhalten unterstützt, sowie auf Interventionsmaterialien, die speziell für diese Bevölkerungsgruppe entwickelt wurden.

Um den Zusammenhang zwischen Personalisierungsstatus und Behandlungseffekt zu untersuchen, haben wir Studien, die sich an Raucher im Allgemeinen richteten, nach dem Grad der Personalisierung oder Interaktion gruppiert und bessere Abstinenzergebnisse gefunden. Frühere Forschungsarbeiten haben auch gezeigt, dass solche Inhalte die Therapietreue [71] und die Adhärenz [72] verbessern und damit die Wirksamkeit von E-Health-Anwendungen erhöhen können. Es ist nicht überraschend, dass Interventionen, die ein gewisses Maß an personalisierten oder interaktiven Inhalten enthielten, sowohl kurz- als auch langfristig einen signifikanten Anstieg der Abstinenzraten erzielten. Studien, die keine personalisierten oder interaktiven Merkmale aufwiesen, zeigten hingegen nach dem Pooling keine Effekte. Aufgrund der großen Heterogenität innerhalb der Gruppen ist bei der Interpretation dieser Ergebnisse jedoch Vorsicht geboten.

Schließlich stellten wir fest, dass Studien, die entweder eine biochemische Verifizierung oder Selbstberichte zur Messung der Abstinenz verwendeten, ähnliche Behandlungseffekte zeigten. Die bisherige Forschung hat gemischte Ergebnisse in Bezug auf die Zuverlässigkeit der selbstberichteten Abstinenz als Indikator für die biochemisch verifizierte Abstinenz erbracht. Obwohl einige Studien darauf hindeuten, dass Angaben zur selbstberichteten Entwöhnung in der Regel zutreffend sind [73], haben andere Studien gezeigt, dass ein hoher Anteil von Personen mit selbstberichteter Entwöhnung bei der biochemischen Verifizierung im klinischen Umfeld durchfällt [74]. Unsere Übersichtsarbeit bringt jedoch eine neue Perspektive in die Debatte, die darauf hindeutet, dass Studien, die auf biochemischer Verifizierung basieren, nicht notwendigerweise besser abschneiden als Studien, die Selbstberichte verwenden. Wir stellten fest, dass die Effektstärken der Studien, die beide Methoden verwendeten, sowohl kurz- als auch langfristig sehr ähnlich waren (Tab 4). Obwohl die Gesellschaft für Nikotin- und Tabakforschung (Society for Research on Nicotine & Tobacco) die biochemische Verifizierung wegen ihrer wissenschaftlichen Strenge empfiehlt, kann sie kostspielig sein [75]. Unsere Ergebnisse unterstützen die Machbarkeit von E-Health-basierten Entwöhnungsprogrammen, skalierbar für großangelegte Interventionen, bei denen eine biochemische Verifizierung nicht möglich ist. Angesichts der Möglichkeit von falschen selbstberichteten Ergebnissen sollten Studien zur Evaluierung potenzieller bevölkerungsbezogener Interventionen in Betracht gezogen werden, die eine biochemische Verifizierung der für Falschmeldungen anfälligsten Raucherpopulationen beinhalten. So wurde in einer Studie empfohlen, bei Interventionsstudien und bei Studentenpopulationen biochemische Untersuchungen, vorzugsweise mit Cotininplasma, durchzuführen [76]. Zweitens gibt es eine Vielzahl von biochemischen Verifizierungsmethoden, die auf unterschiedliche Biomarker abzielen. Diese Vielfalt hat zu einer Aktualisierung der Berichte der Society for Research on Nicotine and Tobacco aus dem Jahr 2002 über die Frage geführt, ob und wie die Verifizierung von Biomarkern auf Tabakkonsum und Abstinenz angewendet werden kann [75]. Angesichts dieser Komplexität sollten sich die Forscher in den betreffenden Bereichen darauf konzentrieren, die derzeit akzeptierten biochemischen Verifizierungsmethoden und ihre Grenzwerte zu standardisieren, um die Kompatibilität zwischen Studien zu verbessern, anstatt nach der genauesten Methode zu suchen.

Diese Studie bietet eine umfassende und aktuelle Bewertung der potenziellen Rolle von E-Health-Interventionen bei der Unterstützung der Raucherentwöhnung. Die Aussagekraft der Studie beruht auf der Einbeziehung aktueller, gut finanzierter Studien, die den Fortschritt der digitalen Technologie und ihre Zugänglichkeit sowohl in Ländern mit hohem als auch mit niedrigem Einkommen belegen (Multimedia-Anhang 5 des Originalartikels [27‒65] – abrufbar unter www.jmir.org/2023/1/e45111). In der vorliegenden Übersichtsarbeit wurden mehrere Kriterien zur Bewertung der Ergebnisse und der behandelten Populationen berücksichtigt, um eine ganzheitlichere Bewertung zu ermöglichen. Wir erkennen jedoch an, dass diese Studie einige Einschränkungen aufweist. Erstens haben wir uns auf Studien beschränkt, die in den letzten 5 Jahren in englischer Sprache veröffentlicht wurden. Dies bedeutet, dass wir möglicherweise relevante Studien übersehen haben, die in anderen Sprachen oder in Ländern mit niedrigem oder mittlerem Einkommen durchgeführt wurden. Zweitens waren aufgrund der großen Heterogenität in Bezug auf das methodische Design und die Verifizierung der Ergebnisse unter den Studien nicht alle Studien für den Einschluss in die Metaanalyse geeignet. Diese Einschränkung führte dazu, dass weniger Studien zusammengefasst wurden, was die Sicherheit der Evidenz beeinträchtigte. Darüber hinaus führte die geringe Stichprobengröße einiger Studien zu relativ großen KI für die Schätzung der Effektgröße, was die Bestimmung eines signifikanten Effekts erschwerte. Drittens konnten wir trotz unseres Versuchs, die Auswirkungen der Intervention auf bestimmte Bevölkerungsgruppen und nicht abstinenzbezogene Ergebnisse wie den Zigarettenkonsum zusammenzufassen, aufgrund der Heterogenität der Ergebnisse in den gesammelten Daten keine Schlussfolgerungen ziehen.

Zukünftige Studien könnten die Evaluationsstrategie für Interventionen standardisieren, indem sie sich an den Practical Guide to Monitoring and Evaluating Digital Health Interventions der Weltgesundheitsorganisation [77] halten, um eine bessere Vergleichbarkeit zwischen Studien zu erreichen. Darüber hinaus sollte bei der Entwicklung mobiler Apps ein menschenzentrierter Designansatz verfolgt und der Verbesserung der Adhärenz und des Engagements der Teilnehmer Priorität eingeräumt werden [78, 79], um die Abbruchraten zu senken und bessere langfristige Ergebnisse (≥ 6 Monate) bei der Raucherentwöhnung zu erzielen. Darüber hinaus ist Forschung erforderlich, um die Wirksamkeit von E-Health-Interventionen für gefährdete Bevölkerungsgruppen und Zwischenergebnisse wie die Verringerung des Zigarettenkonsums zu verstehen.

Der Einsatz von E-Health-Technologien zur Raucherentwöhnung hat in den letzten Jahren an Dynamik gewonnen. Unsere Übersichtsarbeit unterstreicht die Relevanz von E-Health-Interventionen, insbesondere von M-Health, zur Förderung der Abstinenz, auch wenn ihre Wirksamkeit mit der Zeit nachlassen kann. Zukünftige Studien könnten davon profitieren, einen Learning-by-Doing-Ansatz zu verfolgen und das Konzept des Human-Centered Design (menschenzentriertes Design) zu integrieren, um personalisierte Interventionsdesigns zu entwickeln, die auf die individuellen Bedürfnisse der Raucher zugeschnitten sind, die Abbruchraten verringern und letztlich zu besseren langfristigen Abstinenzergebnissen führen. Darüber hinaus kann die Überwachung und Bewertung aufgrund der dynamischen Natur von E-Health-Interventionen eine Herausforderung darstellen. Um die Vergleichbarkeit zwischen den Studien zu verbessern, sollten standardisierte Auswertungsstrategien eingeführt werden.

Die Autoren danken Jas Santos für ihre Hilfe bei der redaktionellen Bearbeitung dieses Artikels. Diese Übersichtsarbeit wurde vom Hou Tu Research (HTR) Fund der Duke Kunshan University (2022LY012) unterstützt.

YEF entwickelte das Überprüfungsprotokoll und führte die Suchstrategien aus. YEF und ZZ führten das erste Screening, die Volltextprüfung und die Datenextraktion durch, während RW und BY die Konflikte lösten. YEF führte narrative Analysen und Metaanalysen durch, die später von BY bestätigt wurden. LLY überwachte das Projekt. Alle Autoren trugen zur Erstellung des Manuskripts bei.

Es liegt keine Meldung eines Interessenskonflikts vor.

Yichen E. Fang, Zhixian Zhang, Ray Wang, Bolu Yang, Chen Chen, Claudia Nisa, Xin Tong, Lijing L. Yan: Effectiveness of eHealth Smoking Cessation Interventions: Systematic Review and Meta-Analysis. J Med Internet Res. 2023 Jul 28;25:e45111 (DOI: 10.2196/45111). © 2023 Yichen E. Fang, Zhixian Zhang, Ray Wang, Bolu Yang, Chen Chen, Claudia Nisa, Xin Tong, Lijing L. Yan. Ursprünglich veröffentlicht im Journal of Medical Internet Research (Übersetzung; Abkürzungen gekürzt, Symbole in Legende der Abbildung 2 und in den Tabellen 3 und 4 geändert), lizensiert unter CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/deed.de).