Hintergrund: Die rasanten Fortschritte in den Bereichen E-Health und mobile Gesundheitstechnologien (M-Health) haben Forscher dazu veranlasst, zahlreiche technologiebasierte Interventionen zur Förderung der Raucherentwöhnung zu entwickeln und zu evaluieren. Da sich die Interventionen zur Raucherentwöhnung ständig weiterentwickeln, besteht ein großer Bedarf an Wissenssynthese. Ziel: Diese systematische Übersichtsarbeit und Metaanalyse hatte zum Ziel, die aktuelle Evidenz aus randomisierten kontrollierten Studien zur Wirksamkeit von E-Health-basierten Interventionen zur Raucherentwöhnung in Bezug auf die Abstinenzförderung zusammenzufassen und Ergebnisindikatoren für die Nichtabstinenz wie Zigarettenkonsum und Nutzerzufriedenheit mittels einer narrativen Zusammenfassung zu bewerten. Methoden: Wir suchten in 4 Datenbanken nach Studien, die zwischen 2017 und dem 30. Juni 2022 in englischer Sprache veröffentlicht wurden: PubMed (inkl. MEDLINE), PsycINFO, Embase und Cochrane Library. Zwei unabhängige Gutachter führten das Screening der Studien, die Datenextraktion und die Qualitätsbewertung auf der Grundlage des GRADE-Rahmens (Grading of Recommendations, Assessment, Development, and Evaluations) durch. Vergleichbare Studien wurden auf der Grundlage der Studienpopulation, der Nachbeobachtungszeit sowie der Interventions- und Kontrollmerkmale zusammengefasst. Zwei Forscher führten eine unabhängige Metaanalyse zum Thema Raucherentwöhnung durch, bei der das Sidik-Jonkman-Modell mit zufälligen Effekten und dem logarithmischen relativen Risiko (log RR) als Effektmaß verwendet wurde. Für Studien, die nicht in die Metaanalyse eingeschlossen wurden, wurden die Ergebnisse narrativ zusammengefasst. Ergebnisse: In einer ersten Datenbankrecherche nach Entfernung von Duplikaten wurden insgesamt 464 Studien identifiziert. Nach einem Screening und einer Volltextbewertung wurden 39 Studien (n = 37 341 Teilnehmer) als geeignet für diese Übersichtsarbeit eingestuft. Davon wurden 28 Studien für die Metaanalyse ausgewählt. Die Metaanalyse zeigt, dass SMS- oder App-Textnachrichten sowohl die kurzfristige (3 Monate) als auch die langfristige (6 Monate) Abstinenz (log RR = 0,50, 95%-Konfidenzintervall (KI) 0,25–0,75; I2 = 0,72%) im Vergleich zu einer minimalen Entwöhnungsunterstützung (log RR = 0,77, 95%-KI 0,49–1,04; I2 = 8,65%) signifikant erhöhen können. Die Häufigkeit der SMS hatte keinen signifikanten Einfluss auf die Behandlungsergebnisse. M-Health-Apps können die Abstinenz kurzfristig (log RR = 0,76, 95%-KI 0,09–1,42; I2 = 88,02%), aber nicht langfristig (log RR = 0,15, 95%-KI –0,18 bis 0,48; I2 = 80,06%) signifikant erhöhen, im Gegensatz zu weniger intensiver Unterstützung bei der Entwöhnung. Darüber hinaus zeigten personalisierte oder interaktive Interventionen 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 Entwöhnungsrate. Studien ohne personalisierte oder interaktive Elemente hatten dagegen keinen signifikanten Einfluss. Schließlich war der Behandlungseffekt in Studien mit biochemisch verifizierter oder selbstberichteter Abstinenz ähnlich. Von den Studien, die über andere Ergebnisse als die Abstinenz berichteten (n = 20), berichteten insgesamt 11 über eine signifikante Verbesserung der Nichtabstinenz-Ergebnisse in Bezug auf den Zigarettenkonsum (3/14, 21%) oder die Nutzerzufriedenheit (8/19, 42%). Schlussfolgerungen: Unsere Überprüfung von 39 randomisierten kontrollierten Studien zeigt, dass neuere E-Health-Interventionen die Raucherentwöhnung fördern können, wobei M-Health der dominierende Ansatz ist. Trotz ihres Erfolges kann die Wirksamkeit solcher Interventionen mit der Zeit nachlassen. Zukünftige Studien könnten von der Entwicklung stärker personalisierter Interventionen profitieren. Registrierung der Studie: PROSPERO CRD42022347104; https://www.crd.york.ac.uk/prospero/display_record.php?RecordID=347104

Hintergrund

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.

Ziele

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).

Suchstrategie

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.

Tab. 1.

Suchstrategie: PubMed-Schlüsselbegriffe

 Suchstrategie: PubMed-Schlüsselbegriffe
 Suchstrategie: PubMed-Schlüsselbegriffe

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].

Einschlusskriterien

Population

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.

Intervention

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.

Kontrollen oder Vergleiche

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.

Ergebnisse

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.

Studiendesign

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

Ausschlusskriterien

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.

Studienauswahl

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.

Datenextraktion

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.

Bewertung des Verzerrungsrisikos (Qualität)

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.

Zusammenfassung der Ergebnisse

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.

Studienauswahl

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.

Abb. 1.

PRISMA-Schema des Such- und Screeningprozesses.

Abb. 1.

PRISMA-Schema des Such- und Screeningprozesses.

Close modal

Studienmerkmale

Überblick

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.

Tab. 2.

Zusammenfassung der Merkmale der eingeschlossenen Studien (n = 39)

 Zusammenfassung der Merkmale der eingeschlossenen Studien (n = 39)
 Zusammenfassung der Merkmale der eingeschlossenen Studien (n = 39)

Teilnehmer

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).

Interventionen

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.

Ergebnisse

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.

Verzerrungsrisiko in den eingeschlossenen Studien

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.

Abb. 2.

Die Darstellung des Verzerrungsrisikos basiert auf den Einschätzungen der Autoren der Übersichtsarbeiten für alle eingeschlossenen Studien (n = 39) [27‒65]. Risikobereiche für Verzerrungen: D1: Verzerrung durch den Randomisierungsprozess; D2: Verzerrung durch Abweichungen von der geplanten Intervention; D3: Verzerrung durch fehlende Ergebnisdaten; D4: Verzerrung bei der Messung des Ergebnisses; D5: Verzerrung bei der Auswahl des berichteten Ergebnisses. Beurteilung: + : hoch, - : einige Bedenken, x : niedrig.

Abb. 2.

Die Darstellung des Verzerrungsrisikos basiert auf den Einschätzungen der Autoren der Übersichtsarbeiten für alle eingeschlossenen Studien (n = 39) [27‒65]. Risikobereiche für Verzerrungen: D1: Verzerrung durch den Randomisierungsprozess; D2: Verzerrung durch Abweichungen von der geplanten Intervention; D3: Verzerrung durch fehlende Ergebnisdaten; D4: Verzerrung bei der Messung des Ergebnisses; D5: Verzerrung bei der Auswahl des berichteten Ergebnisses. Beurteilung: + : hoch, - : einige Bedenken, x : niedrig.

Close modal

Metaanalyse der Ergebnisse der Rauchabstinenz (primäres Ergebnis)

Überblick

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).

Tab. 3.

Zusammenfassung der Auswirkungen von E-Health-Interventionen auf die Abstinenz, aufgeschlüsselt nach Interventionstyp und Nachbeobachtung, basierend auf den GRADE-Richtlinien

 Zusammenfassung der Auswirkungen von E-Health-Interventionen auf die Abstinenz, aufgeschlüsselt nach Interventionstyp und Nachbeobachtung, basierend auf den GRADE-Richtlinien
 Zusammenfassung der Auswirkungen von E-Health-Interventionen auf die Abstinenz, aufgeschlüsselt nach Interventionstyp und Nachbeobachtung, basierend auf den GRADE-Richtlinien
Tab. 4.

Zusammenfassung explorativer Analysen zu den Auswirkungen von E-Health-Interventionen auf die Abstinenz nach Personalisierung oder interaktiver Ebene oder Ergebnisverifizierung, basierend auf den GRADE-Richtlinien

 Zusammenfassung explorativer Analysen zu den Auswirkungen von E-Health-Interventionen auf die Abstinenz nach Personalisierung oder interaktiver Ebene oder Ergebnisverifizierung, basierend auf den GRADE-Richtlinien
 Zusammenfassung explorativer Analysen zu den Auswirkungen von E-Health-Interventionen auf die Abstinenz nach Personalisierung oder interaktiver Ebene oder Ergebnisverifizierung, basierend auf den GRADE-Richtlinien

Hochfrequente SMS- oder App-Textnachrichten und niederfrequente SMS- oder App-Textnachrichten

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%).

SMS- oder App-Textnachrichten im Vergleich zu minimaler Unterstützung bei der Raucherentwöhnung

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%).

M-Health-App im Vergleich zu weniger intensiver Unterstützung bei der Raucherentwöhnung

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%).

M-Health-App plus psychologische oder pharmakologische Therapie im Vergleich zu nur psychologischer oder pharmakologischer Therapie

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%).

Personalisiert oder interaktiv im Vergleich zu nicht personalisiert oder interaktiv

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.

Biochemisch verifizierte Ergebnisse im Vergleich zu selbstberichteten Ergebnissen

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.

E-Health-Interventionen für spezifische Bevölkerungsgruppen

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).

Abb. 3.

Forest-Plot der Effekte von E-Health-Interventionen nach Merkmalen der Studienpopulation (jede Art der Nachbeobachtung) [40, 41, 44, 47, 49, 51, 57, 60‒62].

Abb. 3.

Forest-Plot der Effekte von E-Health-Interventionen nach Merkmalen der Studienpopulation (jede Art der Nachbeobachtung) [40, 41, 44, 47, 49, 51, 57, 60‒62].

Close modal

Publikationsverzerrung

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.

Abb. 4.

Trichterplot der langfristigen Abstinenzergebnisse [42, 43, 46, 48, 50, 53‒56, 58, 59, 63, 65].

Abb. 4.

Trichterplot der langfristigen Abstinenzergebnisse [42, 43, 46, 48, 50, 53‒56, 58, 59, 63, 65].

Close modal

Narrative Zusammenfassung

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].

Tab. 5.

Zusammenfassung der Effekte von E-Health-Interventionen für Studien, die nicht in die Metaanalyse eingeschlossen wurden (n = 11)

 Zusammenfassung der Effekte von E-Health-Interventionen für Studien, die nicht in die Metaanalyse eingeschlossen wurden (n = 11)
 Zusammenfassung der Effekte von E-Health-Interventionen für Studien, die nicht in die Metaanalyse eingeschlossen wurden (n = 11)

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].

Wichtigste Erkenntnisse

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.

Stärken und Einschränkungen

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.

Empfehlungen für zukünftige Studien

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.

Schlussfolgerungen

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).

1.
GBD 2015 Tobacco Collaborators
.
Smoking prevalence and attributable disease burden in 195 countries and territories, 1990-2015: a systematic analysis from the Global Burden of Disease Study 2015
.
Lancet
.
2017 May 13
;
389
(
10082
):
1885
1906
.
2.
Nargis
N
,
Hussain
AK
,
Asare
S
,
Xue
Z
,
Majmundar
A
,
Bandi
P
, et al
.
Economic loss attributable to cigarette smoking in the USA: an economic modelling study
.
Lancet Public Health
.
2022 Oct
;
7
(
10
):
e834
e843
.
3.
Huang
S
,
Wei
H
,
Yao
T
,
Mao
Z
,
Sun
Q
,
Yang
L
.
The impact of smoking on annual healthcare cost: an econometric model analysis in China, 2015
.
BMC Health Serv Res
.
2021 Mar 28
;
21
(
1
):
187
.
4.
Smoking cessation. A report of the Surgeon General. U.S. Department of Health and Human Services
.
Atlanta, GA
:
U.S. Department of Health and Human Services, Centers for Disease Control and Prevention
, National Center for Chronic Disease Prevention and Health Promotion, Office on Smoking and Health;
2020
. URL: https://www.hhs.gov/sites/default/files/2020-cessation-sgr-full-report.pdf [accessed 2022-09-14]
5.
Levy
DE
,
Regan
S
,
Perez
GK
,
Muzikansky
A
,
Friedman
ER
,
Rabin
J
, et al
.
Cost-effectiveness of implementing smoking cessation interventions for patients with cancer
.
JAMA Netw Open
.
2022 Jun 01
;
5
(
6
):
e2216362
.
6.
Quynh Mai
V
,
Van Minh
H
,
Truong Nam
N
,
Thao Anh
H
,
Minh Van
N
,
Thi Trang
N
, et al
.
Cost analysis of community-based smoking cessation services in vietnam: a cluster-randomized trial
.
Health Serv Insights
.
2021 Aug 08
;
14
:
11786329211030932
.
7.
Sharpe
T
,
Alsahlanee
A
,
Ward
KD
,
Doyle
F
.
Systematic review of clinician-reported barriers to provision of smoking cessation interventions in hospital inpatient settings
.
J Smok Cessat
.
2018 Jan 30
;
13
(
4
):
233
243
.
8.
Barroso-Hurtado
M
,
Suárez-Castro
D
,
Martínez-Vispo
C
,
Becoña
E
,
López-Durán
A
.
Smoking cessation apps: a systematic review of format, outcomes, and features
.
Int J Environ Res Public Health
.
2021 Nov 06
;
18
(
21
):
11664
.
9.
Li
R
,
Liang
N
,
Bu
F
,
Hesketh
T
.
The effectiveness of self-management of hypertension in adults using mobile health: systematic review and meta-analysis
.
JMIR Mhealth Uhealth
.
2020 Mar 27
;
8
(
3
):
e17776
.
10.
Meier
CA
,
Fitzgerald
MC
,
Smith
JM
.
eHealth: extending, enhancing, and evolving health care
.
Annu Rev Biomed Eng
.
2013
;
15
:
359
382
.
11.
Mersha
AG
,
Bovill
M
,
Eftekhari
P
,
Erku
DA
,
Gould
GS
.
The effectiveness of technology-based interventions for smoking cessation: an umbrella review and quality assessment of systematic reviews
.
Drug Alcohol Rev
.
2021 Nov 06
;
40
(
7
):
1294
1307
.
12.
Do
HP
,
Tran
BX
,
Pham
QL
,
Nguyen
LH
,
Tran
TT
,
Latkin
CA
, et al
.
Which eHealth interventions are most effective for smoking cessation? A systematic review
.
Patient Prefer Adherence
.
2018 Oct
;Volume
12
:
2065
2084
.
13.
Whittaker
R
,
McRobbie
H
,
Bullen
C
,
Rodgers
A
,
Gu
Y
,
Dobson
R
.
Mobile phone text messaging and app-based interventions for smoking cessation
.
Cochrane Database Syst Rev
.
2019 Oct 22
;
10
(
10
):
CD006611
.
14.
Silang
K
,
Sanguino
H
,
Sohal
PR
,
Rioux
C
,
Kim
HS
,
Tomfohr-Madsen
LM
.
eHealth interventions to treat substance use in pregnancy: a systematic review and meta-analysis
.
Int J Environ Res Public Health
.
2021 Sep 22
;
18
(
19
):
9952
.
15.
Matkin
W
,
Ordóñez-Mena
JM
,
Hartmann-Boyce
J
.
Telephone counselling for smoking cessation
.
Cochrane Database Syst Rev
.
2019 May 02
;
5
(
5
):
CD002850
.
16.
Senbekov
M
,
Saliev
T
,
Bukeyeva
Z
,
Almabayeva
A
,
Zhanaliyeva
M
,
Aitenova
N
, et al
.
The recent progress and applications of digital technologies in healthcare: a review
.
Int J Telemed Appl
.
2020 Dec 3
;
2020
:
8830200
8830218
.
17.
Moher
D
,
Liberati
A
,
Tetzlaff
J
,
Altman
DG
,
PRISMA Group
.
Preferred reporting items for systematic reviews and meta-analyses: the PRISMA statement
.
BMJ
.
2009 Jul 21
;
339
(
jul21 1
):
b2535
.
18.
EPIB 629 knowledge synthesis
.
McGill Library
. URL: https://libraryguides.mcgill.ca/epib629/rct-filters [accessed
2022
-12-16]
19.
Covidence systematic review software. Veritas Health Innovation
. URL: https://www.covidence.org/ [accessed
2022
-12-07]
20.
Higgins
JP
,
Thomas
J
,
Chandler
J
,
Cumpston
M
,
Li
T
,
Page
MJ
, et al
, editors.
Cochrane Handbook for Systematic Reviews of Interventions
.
London, England
:
The Cochrane Collaboration
;
2019
.
21.
Sterne
JA
,
Savović
J
,
Page
MJ
,
Elbers
RG
,
Blencowe
NS
,
Boutron
I
, et al
.
RoB 2: a revised tool for assessing risk of bias in randomised trials
.
BMJ
.
2019 Aug 28
;
366
:
l4898
.
22.
Hughes
JR
,
Carpenter
MJ
,
Naud
S
.
Do point prevalence and prolonged abstinence measures produce similar results in smoking cessation studies? A systematic review
.
Nicotine Tob Res
.
2010 Jul
;
12
(
7
):
756
762
.
23.
Gupta
SK
.
Intention-to-treat concept: a review
.
Perspect Clin Res
.
2011 Jul
;
2
(
3
):
109
112
.
24.
Stata Statistical Software
:
Release 17. StatCorp
.
College Station, TX
:
StataCorp LLC
;
2021
. URL: https://www.stata.com/ [accessed 2022-12-07]
25.
IntHout
J
,
Ioannidis
JP
,
Borm
GF
.
The Hartung-Knapp-Sidik-Jonkman method for random effects meta-analysis is straightforward and considerably outperforms the standard DerSimonian-Laird method
.
BMC Med Res Methodol
.
2014 Mar 18
;
14
:
25
.
26.
World Bank country and lending groups
.
The World Bank
. URL: https://datahelpdesk.worldbank.org/knowledgebase/articles/906519-world-bank-country-and-lending-groups [accessed
2023
-03-27]
27.
Masaki
K
,
Tateno
H
,
Nomura
A
,
Muto
T
,
Suzuki
S
,
Satake
K
, et al
.
A randomized controlled trial of a smoking cessation smartphone application with a carbon monoxide checker
.
NPJ Digit Med
.
2020
;
3
:
35
.
28.
Danaher
BG
,
Tyler
MS
,
Crowley
RC
,
Brendryen
H
,
Seeley
JR
.
Outcomes and device usage for fully automated internet interventions designed for a smartphone or personal computer: the MobileQuit smoking cessation randomized controlled trial
.
J Med Internet Res
.
2019 Jun 06
;
21
(
6
):
e13290
.
29.
Fernandes
L
,
Narvekar
A
,
Lawande
D
.
Efficacy of smoking cessation intervention delivered through mobile tele-counseling among smokers with tuberculosis in a Revised National Tuberculosis Control Program
.
Indian J Tuberc
.
2022 Apr
;
69
(
2
):
207
212
.
30.
Vidrine
DJ
,
Frank-Pearce
SG
,
Vidrine
JI
,
Tahay
PD
,
Marani
SK
,
Chen
S
, et al
.
Efficacy of mobile phone-delivered smoking cessation interventions for socioeconomically disadvantaged individuals: a randomized clinical trial
.
JAMA Intern Med
.
2019 Mar 01
;
179
(
2
):
167
174
.
31.
Weng
X
,
Luk
TT
,
Suen
YN
,
Wu
Y
,
Li
HC
,
Cheung
YT
, et al
.
Effects of simple active referrals of different intensities on smoking abstinence and smoking cessation services attendance: a cluster-randomized clinical trial
.
Addiction
.
2020 Oct 25
;
115
(
10
):
1902
1912
.
32.
Bricker
JB
,
Watson
NL
,
Mull
KE
,
Sullivan
BM
,
Heffner
JL
.
Efficacy of smartphone applications for smoking cessation: a randomized clinical trial
.
JAMA Intern Med
.
2020 Nov 01
;
180
(
11
):
1472
1480
.
33.
Weng
X
,
Lau
OS
,
Ng
CH
,
Li
WH
,
Lam
TH
,
Wang
MP
.
Effect of a workplace mobile phone-based instant messaging intervention on smoking cessation: a cluster-randomized controlled trial
.
Addiction
.
2022 Jun 06
;
117
(
6
):
1758
1767
.
34.
Graham
AL
,
Papandonatos
GD
,
Cha
S
,
Amato
MS
,
Jacobs
MA
,
Cohn
AM
, et al
.
Effectiveness of an optimized text message and internet intervention for smoking cessation: a randomized controlled trial
.
Addiction
.
2022 Apr 28
;
117
(
4
):
1035
1046
.
35.
Gram
IT
,
Larbi
D
,
Wangberg
SC
.
Comparing the efficacy of an identical, tailored smoking cessation intervention delivered by mobile text messaging versus email: randomized controlled trial
.
JMIR Mhealth Uhealth
.
2019 Sep 27
;
7
(
9
):
e12137
.
36.
Kruse
GR
,
Park
ER
,
Chang
Y
,
Haberer
JE
,
Abroms
LC
,
Shahid
NN
, et al
.
Proactively offered text messages and mailed nicotine replacement therapy for smokers in primary care practices: a pilot randomized trial
.
Nicotine Tob Res
.
2020 Aug 24
;
22
(
9
):
1509
1514
.
37.
White
JS
,
Toussaert
S
,
Thrul
J
,
Bontemps-Jones
J
,
Abroms
L
,
Westmaas
JL
.
Peer mentoring and automated text messages for smoking cessation: a randomized pilot trial
.
Nicotine Tob Res
.
2020 Mar 16
;
22
(
3
):
371
380
.
38.
Goldenhersch
E
,
Thrul
J
,
Ungaretti
J
,
Rosencovich
N
,
Waitman
C
,
Ceberio
MR
.
Virtual reality smartphone-based intervention for smoking cessation: pilot randomized controlled trial on initial clinical efficacy and adherence
.
J Med Internet Res
.
2020 Jul 29
;
22
(
7
):
e17571
.
39.
Chulasai
P
,
Chinwong
D
,
Vientong
P
,
Lertsinudom
S
,
Kanjanarat
P
,
Hall
JJ
, et al
.
Smartphone application for smoking cessation (Quit with US): a randomized controlled trial among young adult light smokers in Thailand
.
Int J Environ Res Public Health
.
2022 Jul 06
;
19
(
14
):
8265
.
40.
do Amaral
LM
,
Ronzani
TM
,
Cruvinel
E
,
Richter
K
,
Oliveira Andrade
R
,
Lanzieri
IO
, et al
.
Text messaging interventions to support smoking cessation among hospitalized patients in Brazil: a randomized comparative effectiveness clinical trial
.
BMC Res Notes
.
2022 Mar 26
;
15
(
1
):
119
.
41.
Abroms
LC
,
Chiang
S
,
Macherelli
L
,
Leavitt
L
,
Montgomery
M
.
Assessing the National Cancer Institute's SmokefreeMOM text-messaging program for pregnant smokers: pilot randomized trial
.
J Med Internet Res
.
2017 Oct 03
;
19
(
10
):
e333
.
42.
Etter
JF
,
Khazaal
Y
.
The Stop-tabac smartphone application for smoking cessation: a randomized controlled trial
.
Addiction
.
2022 May 19
;
117
(
5
):
1406
1415
.
43.
O'Connor
M
,
Whelan
R
,
Bricker
J
,
McHugh
L
.
Randomized controlled trial of a smartphone application as an adjunct to acceptance and commitment therapy for smoking cessation
.
Behav Ther
.
2020 Jan
;
51
(
1
):
162
177
.
44.
Brunette
MF
,
Ferron
JC
,
McGurk
SR
,
Williams
JM
,
Harrington
A
,
Devitt
T
, et al
.
Brief, web-based interventions to motivate smokers with schizophrenia: randomized trial
.
JMIR Ment Health
.
2020 Mar 08
;
7
(
2
):
e16524
.
45.
Hébert
ET
,
Ra
CK
,
Alexander
AC
,
Helt
A
,
Moisiuc
R
,
Kendzor
DE
, et al
.
A mobile just-in-time adaptive intervention for smoking cessation: pilot randomized controlled trial
.
J Med Internet Res
.
2020 Mar 09
;
22
(
3
):
e16907
.
46.
Augustson
E
,
Engelgau
MM
,
Zhang
S
,
Cai
Y
,
Cher
W
,
Li
R
, et al
.
Text to quit China: an mHealth smoking cessation trial
.
Am J Health Promot
.
2016 Jan 05
;
31
(
3
):
217
225
.
47.
Cruvinel
E
,
Richter
KP
,
Colugnati
F
,
Ronzani
TM
.
An experimental feasibility study of a hybrid telephone counseling/text messaging intervention for post-discharge cessation support among hospitalized smokers in brazil
.
Nicotine Tob Res
.
2019 Nov 19
;
21
(
12
):
1700
1705
.
48.
Carrasco-Hernandez
L
,
Jódar-Sánchez
F
,
Núñez-Benjumea
F
,
Moreno Conde
J
,
Mesa González
M
,
Civit-Balcells
A
, et al
.
A mobile health solution complementing psychopharmacology-supported smoking cessation: randomized controlled trial
.
JMIR Mhealth Uhealth
.
2020 Apr 27
;
8
(
4
):
e17530
.
49.
Minami
H
,
Nahvi
S
,
Arnsten
JH
,
Brinkman
HR
,
Rivera-Mindt
M
,
Wetter
DW
, et al
.
A pilot randomized controlled trial of smartphone-assisted mindfulness-based intervention with contingency management for smokers with mood disorders
.
Exp Clin Psychopharmacol
.
2022 Oct
;
30
(
5
):
653
665
.
50.
Alessi
SM
,
Rash
CJ
,
Petry
NM
.
A randomized trial of adjunct mHealth abstinence reinforcement with transdermal nicotine and counseling for smoking cessation
.
Nicotine Tob Res
.
2017 Mar 01
;
19
(
3
):
290
298
.
51.
Abroms
LC
,
Johnson
PR
,
Leavitt
LE
,
Cleary
SD
,
Bushar
J
,
Brandon
TH
, et al
.
A randomized trial of text messaging for smoking cessation in pregnant women
.
Am J Prev Med
.
2017 Dec
;
53
(
6
):
781
790
.
52.
Jiang
N
,
Nguyen
N
,
Siman
N
,
Cleland
CM
,
Nguyen
T
,
Doan
HT
, et al
.
Adaptation and assessment of a text messaging smoking cessation intervention in Vietnam: pilot randomized controlled trial
.
JMIR Mhealth Uhealth
.
2021 Oct 08
;
9
(
10
):
e27478
.
53.
Garrison
KA
,
Pal
P
,
O'Malley
SS
,
Pittman
BP
,
Gueorguieva
R
,
Rojiani
R
, et al
.
Craving to quit: a randomized controlled trial of smartphone app-based mindfulness training for smoking cessation
.
Nicotine Tob Res
.
2020 Mar 16
;
22
(
3
):
324
331
.
54.
Schwaninger
P
,
Berli
C
,
Scholz
U
,
Lüscher
J
.
Effectiveness of a dyadic buddy app for smoking cessation: randomized controlled trial
.
J Med Internet Res
.
2021 Sep 09
;
23
(
9
):
e27162
.
55.
Liao
Y
,
Wu
Q
,
Kelly
BC
,
Zhang
F
,
Tang
YY
,
Wang
Q
, et al
.
Effectiveness of a text-messaging-based smoking cessation intervention («Happy Quit») for smoking cessation in China: a randomized controlled trial
.
PLoS Med
.
2018 Dec 18
;
15
(
12
):
e1002713
.
56.
Xia
W
,
Li
HC
,
Cai
W
,
Song
P
,
Zhou
X
,
Lam
KW
, et al
.
Effectiveness of a video-based smoking cessation intervention focusing on maternal and child health in promoting quitting among expectant fathers in China: a randomized controlled trial
.
PLoS Med
.
2020 Sep 29
;
17
(
9
):
e1003355
.
57.
Coleman
T
,
Clark
M
,
Welch
C
,
Whitemore
R
,
Leonardi-Bee
J
,
Cooper
S
, et al
.
Effectiveness of offering tailored text message, self-help smoking cessation support to pregnant women who want information on stopping smoking: MiQuit3 randomised controlled trial and meta-analysis
.
Addiction
.
2022 Apr 05
;
117
(
4
):
1079
1094
.
58.
Cobos-Campos
R
,
Apiñaniz Fernández de Larrinoa
A
,
Sáez de Lafuente Moriñigo
A
,
Parraza Diez
N
,
Aizpuru Barandiaran
F
.
Effectiveness of text messaging as an adjuvant to health advice in smoking cessation programs in primary care. A randomized clinical trial
.
Nicotine Tob Res
.
2017 Aug 01
;
19
(
8
):
901
907
.
59.
Affret
A
,
Luc
A
,
Baumann
C
,
Bergman
P
,
Le Faou
AL
,
Pasquereau
A
, et al
.
Effectiveness of the e-Tabac Info Service application for smoking cessation: a pragmatic randomised controlled trial
.
BMJ Open
.
2020 Oct 27
;
10
(
10
):
e039515
.
60.
Pollak
KI
,
Lyna
P
,
Gao
X
,
Noonan
D
,
Bejarano Hernandez
S
,
Subudhi
S
, et al
.
Efficacy of a texting program to promote cessation among pregnant smokers: a randomized control trial
.
Nicotine Tob Res
.
2020 Jun 12
;
22
(
7
):
1187
1194
.
61.
Pallejà-Millán
M
,
Rey-Reñones
C
,
Barrera Uriarte
ML
,
Granado-Font
E
,
Basora
J
,
Flores-Mateo
G
, et al
.
Evaluation of the Tobbstop mobile app for smoking cessation: cluster randomized controlled clinical trial
.
JMIR Mhealth Uhealth
.
2020 Jun 26
;
8
(
6
):
e15951
.
62.
Naughton
F
,
Cooper
S
,
Foster
K
,
Emery
J
,
Leonardi-Bee
J
,
Sutton
S
, et al
.
Large multi-centre pilot randomized controlled trial testing a low-cost, tailored, self-help smoking cessation text message intervention for pregnant smokers (MiQuit)
.
Addiction
.
2017 Jul 02
;
112
(
7
):
1238
1249
.
63.
BinDhim
NF
,
McGeechan
K
,
Trevena
L
.
Smartphone Smoking Cessation Application (SSC App) trial: a multicountry double-blind automated randomised controlled trial of a smoking cessation decision-aid ‹app
›.
BMJ Open
.
2018 Jan 21
;
8
(
1
):
e017105
.
64.
Intarut
N
,
Wongkongdech
R
,
Thronsao
C
.
The effects of text message and infographic on reducing the number cigarettes consumption: a randomized controlled trial
.
Asian Pac J Cancer Prev
.
2020 Nov 01
;
21
(
11
):
3413
3419
.
65.
Durmaz
S
,
Ergin
I
,
Durusoy
R
,
Hassoy
H
,
Caliskan
A
,
Okyay
P
.
WhatsApp embedded in routine service delivery for smoking cessation: effects on abstinence rates in a randomized controlled study
.
BMC Public Health
.
2019 Apr 08
;
19
(
1
):
387
.
66.
What is GRADE? BMJ Best Practice
. URL: https://bestpractice.bmj.com/info/us/toolkit/learn-ebm/what-is-grade/ [accessed
2022
-12-16]
67.
Taylor
GM
,
Dalili
MN
,
Semwal
M
,
Civljak
M
,
Sheikh
A
,
Car
J
.
Internet-based interventions for smoking cessation
.
Cochrane Database Syst Rev
.
2017 Sep 04
;
9
(
9
):
CD007078
68.
Car
J
,
Tan
WS
,
Huang
Z
,
Sloot
P
,
Franklin
BD
.
eHealth in the future of medications management: personalisation, monitoring and adherence
.
BMC Med
.
2017 Apr 05
;
15
(
1
):
73
.
69.
Belita
E
,
Sidani
S
.
Attrition in smoking cessation intervention studies: a systematic review
.
Can J Nurs Res
.
2015 Dec
;
47
(
4
):
21
40
.
70.
Barbosa
CD
,
Balp
MM
,
Kulich
K
,
Germain
N
,
Rofail
D
.
A literature review to explore the link between treatment satisfaction and adherence, compliance, and persistence
.
Patient Prefer Adherence
.
2012
;
6
:
39
48
.
71.
Pouls
BP
,
Vriezekolk
JE
,
Bekker
CL
,
Linn
AJ
,
van Onzenoort
HA
,
Vervloet
M
, et al
.
Effect of interactive ehealth interventions on improving medication adherence in adults with long-term medication: systematic review
.
J Med Internet Res
.
2021 Jan 08
;
23
(
1
):
e18901
.
72.
Hashim
MJ
.
User interactivity in eHealth applications: a novel taxonomy
. In:
Proceedings of the 12th International Conference on Innovations in Information Technology (IIT). 2016 Presented at: 12th International Conference on Innovations in Information Technology
(IIT); Nov 28-30, 2016; Al Ain, United Arab Emirates
73.
Raherison
C
,
Marjary
A
,
Valpromy
B
,
Prevot
S
,
Fossoux
H
,
Taytard
A
.
Evaluation of smoking cessation success in adults
.
Respir Med
.
2005 Oct
;
99
(
10
):
1303
1310
.
74.
Scheuermann
TS
,
Richter
KP
,
Rigotti
NA
,
Cummins
SE
,
Harrington
KF
,
Sherman
SE
,
Consortium of Hospitals Advancing Research on Tobacco (CHART). Accuracy of self-reported smoking abstinence in clinical trials of hospital-initiated smoking interventions
.
Addiction
.
2017 Dec 23
;
112
(
12
):
2227
2236
.
75.
Benowitz
NL
,
Bernert
JT
,
Foulds
J
,
Hecht
SS
,
Jacob
P
,
Jarvis
MJ
, et al
.
Biochemical verification of tobacco use and abstinence: 2019 update
.
Nicotine Tob Res
.
2020 Jun 12
;
22
(
7
):
1086
1097
.
76.
Patrick
DL
,
Cheadle
A
,
Thompson
DC
,
Diehr
P
,
Koepsell
T
,
Kinne
S
.
The validity of self-reported smoking: a review and meta-analysis
.
Am J Public Health
.
1994 Jul
;
84
(
7
):
1086
1093
.
77.
World Health Organization
.
Monitoring and evaluating digital health interventions: a practical guide to conducting research and assessment
.
World Health Organization
.
2016
. URL: https://apps.who.int/iris/handle/10665/252183 [accessed 2022-12-15]
78.
Kreps
GL
,
Neuhauser
L
.
New directions in eHealth communication: opportunities and challenges
.
Patient Educ Couns
.
2010 Mar
;
78
(
3
):
329
336
.
79.
Bock
BC
,
Graham
AL
,
Whiteley
JA
,
Stoddard
JL
.
A review of web-assisted tobacco interventions (WATIs)
.
J Med Internet Res
.
2008 Nov 06
;
10
(
5
):
e39
.