eHealth & mHealth bij GLI
Uitgangsvraag
Wat is de toegevoegde waarde van eHealth en mHealth bij behandeling van kinderen met obesitas?
Aanbeveling
Wees terughoudend met routinematig gebruik van eHealth/mHealth als aanvulling op GLI bij kinderen met obesitas, omdat overtuigend bewijs voor een klinisch relevante meerwaarde ontbreekt.
Overweeg eHealth/mHealth alleen wanneer dit op individueel niveau passend is en wanneer aan de volgende voorwaarden wordt voldaan:
- Kwaliteit, veiligheid en effectiviteit: Gebruik alleen toepassingen waarvan de kwaliteit, veiligheid en effectiviteit voldoende zijn onderzocht of beoordeeld.
- Passend binnen het behandelplan: Zet eHealth/mHealth alleen in wanneer de toepassing aansluit bij de behandeldoelen, de werkwijze van de GLI en de behoeften en mogelijkheden van kind en gezin
- Draagvlak en vaardigheden: Beoordeel vooraf of kind, ouders/verzorgers en zorgverleners voldoende gemotiveerd en digitaal vaardig zijn om de toepassing goed te gebruiken
- Behoud van persoonlijk contact: Voorkom dat digitale ondersteuning noodzakelijke face-to-face begeleiding vervangt.
- Gezamenlijke besluitvorming: Stem de inzet af met kind en ouders/verzorgers, inclusief mogelijke voordelen, belasting en alternatieven.
- Privacy en gegevensbescherming: Gebruik alleen digitale toepassingen die voldoen aan geldende eisen voor privacy, toestemming en informatiebeveiliging.
- Organisatorische borging: Zorg voor structurele inbedding in het zorgproces, inclusief passende ICT-ondersteuning, tijd, financiering, en duidelijke verantwoordelijkheden.
Overwegingen
Balans tussen gewenste en ongewenste effecten
Voor de module is een systematische literatuursearch verricht naar de effectiviteit van eHealth en mHealth als toevoeging op een gecombineerde leefstijlinterventie (GLI) bij kinderen met obesitas. Er is een geschikte review gevonden (Palacios, 2025), waaruit vier geschikte studies zijn geanalyseerd. Studies waarbij de controlegroep niet minimaal begeleid werden door een voedingsexpert en beweegexpert zijn hierbij geëxcludeerd.
Van de geïncludeerde trials onderzocht één studie de meerwaarde van frequente mobiele berichten/SMS (Armstrong, 2018;) en onderzochten de overige studies de meerwaarde van het gebruik van een of meerdere apps (Johansson, 2020; Likhitweerawong, 2020; Mameli, 2018). In de studie van Johansson (2020) en Mameli (2016) werd daarbij eveneens een polsband gedragen door het kind om de fysieke activiteit te monitoren en hierover feedback te geven. In de studie van Lihkitweerawong (2020) is onduidelijk wat de standaardzorg omvatte. Het artikel benoemt dat standaardzorg volgens Thaise richtlijnen werd gegeven, waarbij werd gefocust op enerzijds het dieet en gezond voedingsgedrag en anderzijds het verhogen van fysieke activiteit en het verminderen van een sedentaire leefstijl. Om deze reden is de studie wel meegenomen in de literatuuranalyse.
Voor de cruciale uitkomstmaten BMI-z (waarbij ook BMI-SDS is meegenomen), buikomvang, (cardiovasculaire) gezondheid en kwaliteit van leven is bewijs met een zeer lage bewijskracht gevonden. Daarbij waren de gevonden gemiddelde verschillen niet klinisch-relevant. Voor de belangrijke uitkomstmaten self-management en vetmassa is geen bewijs gevonden. Voor de belangrijke uitkomstmaat leefstijl (waarbij het belangrijkste verschil in resultaat gezien werd voor fysieke activiteit) is bewijs met een zeer lage bewijskracht gevonden. Voor de belangrijke uitkomstmaat drop-out is bewijs met een lage bewijskracht gevonden voor het ontbreken van een klinisch relevant verschil tussen de interventie en controle.
Kwaliteit van bewijs
De overall kwaliteit van bewijs is zeer laag. Dit betekent dat we zeer onzeker zijn over het gevonden geschatte effect van de cruciale uitkomstmaten.
Er is afgewaardeerd vanwege:
- Risk of Bias: methodologische beperkingen, vanwege (mogelijke) selectie bias doordat het studieprotocol niet inzichtelijk was of vanwege inconsistentie in rapportage/prioritering van uitkomstmaten.
- Imprecisie: onnauwkeurigheid, omdat het betrouwbaarheidsinterval een of beide grenzen van klinische relevantie overschrijdt en vanwege het niet bereiken van de optimale steekproefgrootte.
Naast het feit dat geen observationele studies zijn meegenomen (i.v.m. een lage bewijskracht door een hoger risico op vertekening), zijn er diverse studies binnen de review van Palacios (2025) niet meegenomen in de literatuursamenvatting, o.a. vanwege een te grote uitval (>50%) van participanten, onvoldoende standaardzorg (niet lijkend op GLI) en vanwege verschillen in de standaard leefstijlinterventie tussen de interventie- en controlegroepen. Hierdoor zijn geen betrouwbare resultaten te verkrijgen uit deze studies.
Er zijn echter enkele studies in de review van Palacios (2025) die, ondanks beperkingen, mogelijk aanvullend aanwijzingen opleveren voor effectiviteit (of het ontbreken hiervan) van eHealth en mHealth. Dit betreft twee studies waarin de standaardzorg verschilde tussen de controle- en interventiegroep, hoewel dit verschil relatief klein was. In een studie van Vidmar (2023) in de Verenigde Staten werden 161 adolescenten met obesitas gerandomiseerd (1:1:1) in twee interventiegroepen (1. App, 2. App + coaching) en een controlegroep die standaardzorg kreeg; de totale interventieduur was zes maanden. In de app werd onder andere gebruik gemaakt van zelf-monitoring van gewicht en voedingsinname. Daarbij kon men doelen stellen om minder te snacken, overconsumptie te vermijden etc. Daarbij kon men meer informatie vinden over motivatie en ideeën voor afleiding. Aanvullend werden drie bezoeken gebracht aan het onderzoeksteam. Ouders werden niet betrokken bij de interventie. Patiënten in de interventiegroep met zowel de app als coaching, kregen in aanvulling hierop dagelijks SMS’jes en spraken elke week telefonisch met een lid van het onderzoeksteam voor motivatie en extra begeleiding. De controlegroep kreeg een standaard multidisciplinair programma met sessies met educatie over o.a. voeding en fysieke activiteit. Er werden geen klinisch relevante verschillen gevonden in gewichtsverlies (BMI-z) tussen de verschillende groepen en eveneens niet op baseline en na follow-up binnen de groepen. Daarbij dient daarnaast benadrukt te worden dat de controlegroep gemiddeld zwaarder was.
In een studie van Abraham (2015) in China werden 48 adolescenten met obesitas gerandomiseerd (1:1:1) in twee interventiegroepen, waarvan een met ondersteuning van SMS’jes en belmomenten, en een controlegroep die standaardzorg kreeg; de totale interventieduur was 12 weken. De controlegroep ontving standaardzorg met daarbij drie bezoeken van een arts in de obesitaskliniek met slechts minimaal leefstijladvies en vooral lichamelijk onderzoek (mogelijk als onderdeel van standaard zorg, niet nader gespecificeerd). De benoemde interventiegroep kreeg aanvullend wekelijkse SMS’jes en belmomenten met de arts met focus op voeding, fysieke activiteit, het verminderen van schermtijd en het omgaan met stress. Er werden geen belangrijke verschillen gevonden in gewichtsverlies (BMI) tussen de verschillende groepen.
Bij de interpretatie van de resultaten moet worden meegewogen dat standaardzorg in de geïncludeerde studies niet altijd volledig was beschreven. Daardoor kan niet worden uitgesloten dat in de controlegroep al enige digitale ondersteuning aanwezig was, wat het contrast tussen GLI met en zonder aanvullende eHealth/mHealth kan verkleinen.
Waarden en voorkeuren van patiënten (en eventueel hun naasten/verzorgers)
Directe evidence over waarden en voorkeuren van kinderen met obesitas en hun ouders ten aanzien van eHealth/mHealth binnen GLI is beperkt. De onderstaande overwegingen zijn primair gebaseerd op klinische praktijkervaring van het cluster. Het cluster verwacht dat patiënten en ouders overwegend positief kunnen staan tegenover digitale ondersteuning, mits deze face-to-face begeleiding niet vervangt waar persoonlijk contact nodig is. Mogelijke voordelen zijn gemak, laagdrempelig contact en tijdsbesparing, bijvoorbeeld bij niet-spoedeisende vragen of follow-up. Tegelijk acht de werkgroep persoonlijk contact essentieel voor onderdelen van de behandeling waarbij vertrouwen, motivatie en interactie centraal staan. Daarom lijkt een blended aanpak, waarin digitale ondersteuning wordt gecombineerd met reguliere zorg, het meest passend. De werkgroep verwacht daarnaast dat lotgenotencontact via digitale weg voor sommige jongeren en ouders steunend en motiverend kan zijn. Tegelijk kunnen bestaande apps, wearables en zelfmeettools in de praktijk tegenvallen, wat tot teleurstelling of demotivatie kan leiden. Palacios et al. 2025 biedt weinig directe informatie over de waarden en voorkeuren van kinderen, adolescenten en ouders; de review bespreekt vooral potentiële voordelen van digitale interventies en aandachtspunten zoals betrokkenheid van gebruikers, toegang tot technologie, privacy- en veiligheidsvraagstukken en beperkte onderbouwing van effectiviteit.
Op basis van bredere eHealth-literatuur en de expertise van het cluster lijkt acceptatie vooral afhankelijk van de aansluiting bij het dagelijks leven van het gezin.
Voor kinderen zijn motivatie, plezier en herkenbaarheid belangrijk; voor ouders vooral overzicht, structuur en praktische haalbaarheid. Tegelijk kan eHealth ook belasting geven, bijvoorbeeld door registratie, monitoring of extra focus op gewicht. Dit kan druk, schuldgevoel of verminderde motivatie oproepen, vooral wanneer digitale vaardigheden, taalniveau of sociaaleconomische omstandigheden beperkend zijn.
Individuele verschillen
Waarden en voorkeuren variëren sterk per subgroep en individu. Jongere patiënten en digitaal vaardige ouders staan vaak open voor online contact en zelfmetingen. Voor hen kan een spelelement (gamification) of app aantrekkelijk zijn om gezonder gedrag bij te houden. Tegelijk kan digitale monitoring voor een deel van de kinderen (bijv. bij psychosociale problematiek of chronische aandoeningen) juist belastend zijn omdat het hen voortdurend aan gewicht of gezondheid kan herinneren. Ook sociaaleconomische omstandigheden spelen mee. Gezinnen met praktische stress (tijd, geld, taal barrière) kunnen meer baat hebben bij extra persoonlijke begeleiding en sociale/emotionele steun naast eventuele digitale ondersteuning. Om aan deze verschillen recht te doen is shared decision-making essentieel: de inzet van eHealth moet aansluiten bij de behoeften, taalvaardigheid en digitale interesse van kind en ouders. Gezinnen wegen mogelijke voordelen (gemak, laagdrempelig contact, betrokkenheid via een app) af tegen mogelijke nadelen (minder persoonlijk contact, technische belasting, extra focus op gewicht). Omdat de literatuur tot nu toe geen consistente extra verbetering laat zien is eHealth voor gezinnen vooral aantrekkelijk wanneer het aantoonbaar helpt bij hun eigen doelen zonder ongewenste bijeffecten. Individuele preferenties en omstandigheden bepalen daarbij of de gewenste effecten van eHealth opwegen tegen ongewenste effecten per patiënt.
Kostenaspecten
Het toevoegen van eHealth/mHealth aan GLI kan zowel potentiële besparingen als extra kosten met zich meebrengen. In theorie kan digitale begeleiding de kosten verlagen door bijvoorbeeld minder fysieke consulten (transportkosten), efficiëntere zorg (tijdswinst) voor zowel patiënt als zorgverlener. Daarnaast kan deze toevoeging ook het zelfmanagement van de patiënt bevorderen. De overheid en zorgverzekeraars stimuleren eHealth dan ook vanuit de verwachting van lagere zorgkosten en verminderd beroep op personeel. In de praktijk zijn positieve effecten van beeldschermzorg op de zorgkosten echter nog niet overtuigend aangetoond. Dit geldt specifiek voor GLI-programma’s: in de gevonden literatuur zijn geen resultaten gevonden m.b.t. de kosteneffectiviteit van GLI met eHealth vergeleken met GLI alleen. Het implementeren van eHealth bovenop reguliere zorg kan juist extra kosten meebrengen. Denk aan uitgaven voor ontwikkeling of licenties van apps/platforms, aanschaf van wearables, en onderhoud van digitale infrastructuur. Ook moeten zorgverleners tijd investeren om de nieuwe werkwijze aan te leren en patiënten digitaal te begeleiden, een investering die geld en mankracht vergt. Daarnaast is ondersteuning van gebruikers nodig (e.g. helpdesk, training), wat eveneens middelen kost.
Wegen de kosten op tegen de effectiviteit? Gezien het uitblijven van extra klinisch effect (zoals verbetering in BMI of gezondheid) wegen de huidige meerkosten van eHealth toevoeging niet op tegen de effectiviteit. De investering krijgt vooralsnog geen duidelijk meetbare gezondheidswinst terug. Een kostenanalyse in het sociaal domein over maatschappelijk welzijnswerk suggereerde dat laagdrempelige digitale ondersteuning maatschappelijke opbrengst kan opleveren (Social Return on Investment-ratio: over een periode van vijf jaar leveren investeringen naar schatting 2,2 keer het bedrag aan maatschappelijke baten op) (Stil, 2016). Daarnaast beschrijft een publicatie van Zorginstituut Nederland dat SROI kan helpen om de sociale en economische waarde van eHealth-investeringen inzichtelijk te maken. In die publicatie wordt als voorbeeld een eHealth-project beschreven met een SROI-ratio van 4,4 over vijf jaar, waarbij onder meer een afname van de zorgkosten in de tweede lijn als een van de bepalende factoren wordt genoemd. Deze voorbeelden hebben echter betrekking op andere contexten en niet specifiek op eHealth/mHealth als toevoeging aan GLI bij kinderen met obesitas. Daarom blijft onduidelijk in hoeverre deze bevindingen toepasbaar zijn op deze richtlijnvraag.
Gelijkheid ((health) equity[1]/equitable)
De inzet van eHealth/mHealth in een GLI-traject kent belangrijke aandachtspunten voor gezondheidsgelijkheid. Enerzijds kan eHealth de toegang tot zorg verbeteren – bijvoorbeeld door afstandszorg voor gezinnen die ver van een zorgaanbieder wonen of door digitale info in eigen tempo te doorlopen. Anderzijds dreigt een digitale kloof bestaande verschillen te vergroten als kwetsbare groepen minder profiteren van de interventie. Uit de E-health monitor blijkt dat gebruik van eHealth gepaard kan gaan met een groter risico op gezondheidsverschillen, met name doordat juist mensen met al een slechtere gezondheid vaak beperkte digitale vaardigheden hebben. In de context van kinderen met obesitas zien we dit terug: gezinnen met een lage sociaaleconomische status (SES) of migratieachtergrond hebben vaker beperkte toegang tot technologie of missen de vaardigheden om hier optimaal gebruik van te maken. Ze beschikken mogelijk niet over een eigen computer, tablet of stabiele internetverbinding, of spreken onvoldoende Nederlands/Engels om een app goed te begrijpen. Als eHealth-applicaties geen rekening houden met taal- en cultuurverschillen, sluit dit deze groepen uit. Tegelijk kan een digitale tool soms van meerwaarde zijn, doordat deze mogelijk relatief eenvoudig in de eigen taal kan worden toegepast. Zonder extra ondersteuning zouden vooral hoger opgeleide, digitaal vaardige gezinnen profiteren, terwijl laaggeletterde of arme gezinnen achterblijven. Dit is een ongewenst effect op de rechtvaardigheid van de zorg.
[1] Health equity wordt door de Wereldgezondheidsorganisatie gedefinieerd als de afwezigheid van onrechtvaardige en vermijdbare verschillen in gezondheid tussen bevolkingsgroepen, bepaald door sociale, economische, demografische of geografische factoren (WHO, 2008).
Daarnaast is bekend dat lage SES-groepen vaak te kampen hebben met complexe problemen (financieel, sociaal) die digitale zelfmanagement bemoeilijken. Voor hen is een app die stappen telt of voeding bijhoudt minder relevant als basisbehoeften of stress spelen. Bij deze gezinnen kan de nadruk op digitaal feedback zelfs contraproductief zijn; zij hebben eerder baat bij persoonlijke hulp en bijvoorbeeld sociaal-maatschappelijke ondersteuning naast de leefstijlinterventie. Daarmee dreigt eHealth ongelijkheid te vergroten als het één uniforme aanpak biedt waar niet iedereen van kan profiteren.
Om eHealth in te zetten zonder de kloof te verbreden, moeten bovengenoemde barrières actief worden aangepakt. Dit betekent: zorgen voor brede toegankelijkheid (bijv. apparaten beschikbaar stellen of financieren voor gezinnen zonder smartphone), gebruiksvriendelijke en taaltoegankelijke ontwerpen, en digitale scholing/hulp voor wie minder vaardig is. Als deze voorwaarden worden vervuld, zou eHealth potentieel juist bijdragen aan gelijkheid door zorg naar de mensen toe te brengen die moeilijk op locatie kunnen komen (bijvoorbeeld door online consulten voor werkende ouders of transportbeperkte families). In de huidige literatuur is echter nog onvoldoende beschreven of zulke initiatieven daadwerkelijk slagen. De documenten benadrukken vooral het risico op uitsluiting bij gebrek aan digitale vaardigheden.
Samenvattend
eHealth heeft het potentieel om de zorg bereikbaarder te maken, maar zonder maatregelen vergroot het eerder de gezondheidsverschillen dan dat het ze verkleint. Gelijkheidsbevordering vergt dus gerichte aandacht bij implementatie (zie implementatie-elementen).
Aanvaardbaarheid
Ethische aanvaardbaarheid
Perspectief van patiënten/ouders: eHealth wordt als ethisch aanvaardbaar gezien wanneer het aansluit bij de wensen van gezinnen, veilig wordt ingezet en de menselijke maat behouden blijft. Digitale hulpmiddelen mogen niet ten koste gaan van persoonlijke contacten die nodig zijn voor vertrouwen en gedragsverandering. Daarnaast moet rekening worden gehouden met psychosociale belasting: digitale monitoring kan druk of schuldgevoelens oproepen. Daarom moet eHealth vrijwillig, op maat en te stoppen zijn bij negatieve effecten. Ook zijn strikte privacy‑ en security‑eisen (AVG) en duidelijke informed consent essentieel.
Perspectief van zorgverleners en systeem: Voor hulpverleners vormt eHealth op zichzelf geen ethisch bezwaar; het kan de behandeling verrijken mits effectief en praktisch haalbaar. Een punt van zorg is dat eHealth-toepassingen nauwelijks onderhevig zijn aan formele kwaliteitscontroles wat spanning geeft met het niet‑schaden principe. Hulpverleners ervaren een dilemma tussen innovatie en het vermijden van valse verwachtingen of afleiding van bewezen zorg. Extra administratieve lasten en technische storingen kunnen de aanvaardbaarheid verder beperken. Tegelijk kan eHealth ethisch verantwoord zijn wanneer het de toegang tot zorg vergroot en patiënten meer regie geeft, zolang reguliere zorg niet onder druk komt te staan.
Samengevat zal de ethische aanvaardbaarheid afhangen van voorwaardes: wordt de interventie bewezen effectief en veilig toegepast, met respect voor privacy en voorkeuren, en als aanvulling (niet vervanging) van reguliere zorg? Als aan die condities wordt voldaan, zijn er geen principiële bezwaren tegen eHealth bij deze doelgroep. Wel is voorzichtigheid geboden om te voorkomen dat digitale innovaties hun belofte niet waarmaken en zo vertrouwen schaden. Ethisch gezien moet elke nieuwe eHealth-toepassing gezien worden als een middel dat eerst deugdelijk onderzocht en gemonitord moet worden, voordat het grootschalig uitgerold wordt (vooral bij kinderen, een kwetsbare groep). Transparantie naar patiënten over wat wel/niet te verwachten van de digitale ondersteuning is hierbij een must, om onrealistische verwachtingen en teleurstelling te voorkomen.
Duurzaamheid
In de geraadpleegde bronnen is geen expliciete informatie opgenomen over de milieu-impact van eHealth/mHealth als onderdeel van GLI. Desondanks valt hierover op basis van de R-ladder[2] (strategieën voor duurzaam gebruik van materialen) wel het een en ander te beredeneren. Een belangrijk potentieel voordeel van eHealth is dat het bepaalde fysieke handelingen kan vervangen of verminderen (Refuse/Reduce). Ook kan het gebruik van apps en digitale modules papieren voorlichtingsmaterialen of dagboeken vervangen (Reduce). Bovendien kunnen bestaande apparaten vaak worden ingezet zodat geen geheel nieuw apparaat geproduceerd hoeft te worden voor de interventie (Rethink/Re-use).
[2] De R-ladder is een raamwerk dat de volgorde van duurzaamheidsstrategieën weergeeft, bedoeld om verspilling van grondstoffen te voorkomen en hergebruik te bevorderen. Hoe hoger een maatregel op de ladder, hoe duurzamer de keuze. Binnen de context van de Leidraad Duurzaamheid in de Zorg wordt de R-ladder toegepast om de milieu-impact van zorginterventies te beoordelen. De treden omvatten onder meer: Refuse (voorkom gebruik), Reduce (verminder gebruik), Reuse (hergebruik producten), Repair (repareer), Refurbish (opknappen/herfabriceren), Repurpose (herbestemmen), Recycle (recyclen van materialen) en Recover (terugwinnen van energie of grondstoffen).
Daar staat tegenover dat eHealth ook een ecologische voetafdruk kent, door o.a. stroom en dataverkeer. Als specifieke hardware nodig is (bijvoorbeeld stappentellers of bewegingssensoren) brengt dit productie, distributie en uiteindelijk afval (e-waste) met zich mee. Een voorbeeld uit de literatuur is een project waarbij kinderen een activity tracker en gameconsole kregen voor een beweeginterventie. Dergelijke apparatuur heeft grondstoffenverbruik en gaat beperkt mee. Duurzaamheidswinst valt te behalen door deze devices na gebruik in te zamelen, te hergebruiken of op te knappen (Re-use/Refurbish), en uiteindelijk te recyclen in plaats van weg te gooien. eHealth-toepassingen dienen dus zo circulair mogelijk ingebed te worden: maak bij voorkeur gebruik van reeds aanwezige technologie (smartphone van de gebruiker) in plaats van nieuwe gadgets, minimaliseer het aantal fysieke contactmomenten enkel waar mogelijk en zorg voor verantwoorde verwerking van apparatuur.
De netto milieu-impact van GLI + eHealth versus GLI alleen is moeilijk te bepalen zonder concrete data. Aannemelijk is dat een hybride aanpak met minder vervoerbewegingen enige klimaatwinst oplevert, terwijl de extra digitale component een relatief kleine ecologische belasting vormt. Omdat geen van de onderzochte studies milieu-uitkomsten rapporteert, is dit vooral een theoretische beschouwing. Bij toekomstige implementatie is het desondanks raadzaam dit aspect mee te nemen: duurzaamheid wordt immers een steeds belangrijker criterium in de gezondheidszorg. Het streven moet zijn dat eHealth bijdraagt aan duurzame zorg door efficiënter om te gaan met middelen (tijd, energie, materialen) zonder afval of emissie onnodig te verhogen.
Haalbaarheid
De haalbaarheid van het implementeren van eHealth/mHealth binnen een GLI-programma voor kinderen hangt af van diverse factoren: organisatorisch, technisch, personeel, juridisch en financieel. Succesvolle invoering vereist dat aan een aantal randvoorwaarden is voldaan. Hieronder worden de belangrijkste aspecten en potentiële knelpunten opgesomd:
Technische infrastructuur: Zowel zorgorganisatie als gezinnen moeten beschikken over de benodigde digitale middelen (zoals een geschikte smartphone/tablet, internetverbinding, en zo nodig wearables). Ontbreekt dit, dan is toepassing van eHealth niet praktisch haalbaar. In eerder onderzoek bleken triviale problemen als lege batterijen, technische mankementen of het kwijtraken van een stappenteller al belangrijke redenen om te stoppen met een digitale interventie.
Digitale vaardigheden en draagkracht bij gebruikers: Haalbaarheid moet niet alleen vanuit de zorgorganisatie worden beoordeeld, maar ook vanuit het perspectief van kind en gezin. Kinderen en ouders moeten voldoende digitale vaardigheden hebben om met de toepassing te werken. Dit omvat taalbegrip (voldoende beheersing van Nederlands of Engels om de app te begrijpen) en basiskennis van computers/smartphones. eHealth kan extra belasting geven, bijvoorbeeld door het gebruik van apps, het registreren van gegevens en het reageren op berichten. Bij beperkte digitale geletterdheid (vaker bij lagere SES) is de haalbaarheid in het geding – deze gezinnen lopen vast of haken af zonder intensieve begeleiding. Bij inzet van eHealth moet daarom worden bewaakt dat de digitale ondersteuning aansluit bij de draagkracht van het gezin en niet leidt tot overbelasting of uitval.
Motivatie en betrokkenheid van patiënten: Intrinsieke motivatie van het gezin is cruciaal voor blijvend gebruik van digitale tools. Een wearable of app kan gemakkelijk worden weggelegd of vergeten als de interesse verslapt. Haalbaarheid is groter wanneer de eHealth-toepassing duidelijk inspeelt op een door patiënt ervaren probleem en direct nut oplevert in hun dagelijks leven.
Bijvoorbeeld: een app die kinderen inzicht geeft in hun beweeggedrag en ze tegelijk uitdaagt met een spelelement, sluit aan bij hun behoefte aan plezier en feedback.
Competenties van zorgverleners: De betrokken professionals (leefstijlcoaches, diëtisten, kinderartsen) moeten voldoende competent en vertrouwd zijn met de eHealth toepassing. Momenteel ontbreekt het behandelaren nog regelmatig aan kennis en ervaring met digitale interventies voor deze doelgroep. Dit kan leiden tot terughoudendheid of suboptimale inzet.
Organisatorische inbedding: De zorginstelling moet bereid zijn tijd en geld te investeren in de implementatie. Haalbaarheid is afhankelijk van steun op managementniveau: zonder structurele inbedding (ICT-ondersteuning, tijd voor personeel, financiering) blijft eHealth iets vrijblijvends dat naast de reguliere workflow loopt. Implementatie vraagt vaak aanpassing van werkprocessen en extra inspanning in de beginfase, wat alleen haalbaar is als de organisatie dat faciliteert.
Integratie in het zorgproces: eHealth moet logisch aansluiten bij de workflow van de GLI en de doelen van de behandeling. Haalbaarheid neemt af als digitale modules “los” naast de reguliere sessies staan, of als ze bestaande activiteiten dupliceren.
Juridische aspecten en privacy: De haalbaarheid wordt ook bepaald door naleving van wet- en regelgeving. Privacy en gegevensbescherming moeten gegarandeerd zijn; onduidelijkheid hierover kan implementatie blokkeren (organisaties willen geen risico op datalek of schending van AVG). Eveneens moet helder zijn hoe de aansprakelijkheid is geregeld als er op afstand iets misgaat.
Financiële prikkels: Tot slot speelt financiering een rol in haalbaarheid. GLI-programma’s worden vergoed door de basisverzekering; het is belangrijk dat aanvullende digitale ondersteuning óók voor vergoeding in aanmerking komt of binnen de bekostiging past.
Samenvattend is de implementatie van eHealth binnen GLI haalbaar, mits bovengenoemde voorwaarden worden vervuld. Het vereist zorgvuldige planning, scholing en resource-allocation. Verder moet het gekozen eHealth-onderdeel degelijk werken en bruikbaar zijn voor kinderen: bijvoorbeeld, het ontwerp moet aansluiten bij de leeftijd (wat bij basisschoolkinderen werkt, verschilt van wat tieners aanspreekt). Hoe leuker en makkelijker de tool voor de doelgroep is, des te vaker zal hij gebruikt worden. Om haalbaar te zijn op lange termijn, dient men ook voorbereid te zijn op voortdurende evaluatie en bijsturing – implementatie is geen eenmalige stap maar een proces van iteratief verbeteren (lessons learned uit pilots zoals de Dapper-app kunnen daarbij helpen).
Rationale van de aanbeveling: weging van argumenten voor en tegen de interventie
De werkgroep formuleert een zwakke aanbeveling voor een terughoudende inzet van eHealth/mHealth als toevoeging aan GLI. Dit houdt in dat het gebruik van eHealth niet routinematig moet worden doorgevoerd, maar alleen onder bepaalde voorwaarden en op individuele basis. Inzet moet dan ook zorgvuldig, doelgericht en ingebed binnen de GLI plaatsvinden. Vanwege de zeer lage kwaliteit van bewijs en de onzekerheid over de effecten, is deze aanbeveling bewust genuanceerd geformuleerd.
Nieuwe onderzoeksresultaten kunnen deze balans in de toekomst wijzigen; de werkgroep benadrukt dat verdere evidence gewenst is. Zolang die duidelijkere evidence ontbreekt, is het verstandiger om terughoudend te zijn met grootschalige implementatie.
Eindoordeel:
Zwakke aanbeveling tegen routinematig gebruik
Onderbouwing
This module focuses on the role of electronic (e)Health and mobile (m)Health in the treatment of obesity in children. EHealth includes the use of (mostly internet based) technology, while mHealth included mobile devices, such smartphones/apps and wearables. Digital health interventions (such as mobile apps, online platforms, and telemonitoring) can support lifestyle changes by improving accessibility, providing tailored information, and facilitating communication between families and healthcare professionals. The use of eHealth tools may enhance self‑management, increase engagement, and strengthen collaboration across different levels of care. In this guideline, recommendations are provided on how eHealth can be integrated into daily practice to optimize outcomes for children with obesity and their families.
The previous module, published in 2020, did not provide clear guidance on the use of eHealth and mHealth in the treatment of children with obesity as an adjunct to a GLI, due to the limited availability of scientific literature at that time. Since then, new evidence has emerged that may strengthen the existing recommendations and provide healthcare professionals with more practical tools for implementing digital health solutions.
This updated module therefore focuses on collecting scientific evidence and practical experiences to determine the effect of eHealth and mHealth in children undergoing a GLI for obesity.
|
Outcome Timeframe |
Study results and measurements |
Absolute effect estimates |
Certainty of the evidence (Quality of evidence) |
Summary |
|
|
e/mHealth + combined lifestyle intervention |
Combined lifestyle intervention only |
||||
|
BMI-z
|
Measured by: Scale: - Lower better Based on data from 70 participants in 1 study
|
Difference: MD -0.04 lower (CI 95% 0.3 lower - 0.23 higher) |
Very low due to risk of bias and serious imprecision1 |
We are uncertain regarding the effect of eHealth and mHealth in addition to GLI only on BMI-z. |
|
|
BMI SDS
|
Measured by: Scale: - Lower better Based on data from 70 participants in 2 studies
|
Johansson (2020) reported a mean change -0.24 (-0.37 to -0.1). Mameli (2018) reported a mean change of -0.01 (-0.17 to 0.15). |
Very Low due to risk of bias and serious imprecision1 |
We are uncertain regarding the effect of eHealth and mHealth in addition to GLI only on BMI-SDS |
|
|
Waist circumference
|
Measured by: Scale: - Lower better Based on data from 70 participants in 1 study
|
Difference: MD 0.23 higher (CI 95% 2.5 lower to 2.97 higher) |
Very low due to extremely serious imprecision2 |
We are uncertain regarding the effect of eHealth and mHealth in addition to GLI only on waist circumference |
|
|
Health (cardiovascular fitness)
|
Measured by: Scale: - Higher better Based on data from 101 participants in 1 study
|
Difference: MD 3.5 higher (CI 95% 11.1 lower to 18.2 higher) |
Very low due to risk of bias, and serious imprecision1 |
We are uncertain regarding the effect of eHealth and mHealth in addition to GLI only on health (cardiovascular fitness) |
|
|
Lifestyle
|
Measured by: Scale: - High better Based on data from 171 participants in 2 studies |
See Table 3 and 4 for details |
Very low due to risk of bias, and serious imprecision1 |
We are uncertain regarding the effect of eHealth and mHealth in addition to GLI only on lifestyle |
|
|
Quality of life
|
Measured by: Scale: - High better Based on data from 70 participants in 1 study
|
Difference: MD 0.5 lower (CI 95% 6.48 lower to 5.48 higher) |
Very low due to risk of bias, and serious imprecision1 |
We are uncertain regarding the effect of eHealth and mHealth in addition to GLI only on quality of life |
|
|
Self-management, fat mass
|
No data
|
N.A. |
No Grade
|
No evidence was found regarding the effect of eHealth and mHealth in addition to GLI only in children with obesity. |
|
|
Drop-out |
Measured by: Scale: - Lower better Based on data from 248 participants in 4 studies
|
15 per 100 |
14 per 100 |
Low grade due to risk of bias, and imprecision1 |
eHealth and mHealth in addition to GLI only might result in little to no difference on drop-out rate. |
|
Difference: MD 1.4 more (CI 95% 5 fewer to 13 more) |
|||||
1. Risk of Bias: serious. (Possible) selective outcome reporting (primary/secondary outcomes do not correspond with study protocol or study protocol cannot be found. Imprecision: Very serious. Overlap of the 95% CI with the minimal clinically important difference, i.e. boundary of CI includes possibility of benefit or harm and no effect
2. Imprecision: Extremely serious. Overlap of the 95% CI with the minimal clinically important difference, i.e. boundary of CI includes possibility of benefit or harm and no effect.
Description of studies
One study (systematic review) was included in the analysis of the literature (Palacios, 2025). This systematic review assessed the effects and safety of interventions using digital technology (in broad terms) for the integrated management of obesity in children and adolescents. In total, 12 studies reported that the control group received the usual or conventional care management for obesity, but without a digital component. However, several studies were excluded in the current analysis due to:
- Difference in standard care between the intervention and control group (Abraham, 2015; Vidmar, 2023).
- Small studies with loss to follow-up of more than 50% in (one of) the study groups (Browne, 2020; Currie, 2017).
- Replacement of standard care by digital sessions (Bohlin, 2017; Vidmar, 2023).
- Use of digital intervention in both study groups (Borjesson, 2019).
- Only one visit during the study with one health educator, no program (Norman, 2016).
- Patients in the control group were in a wait-list condition and were advised to not modify physical activity levels or diet (Wagener, 2012).
- Mostly overweight patients and no obesity, also children with healthy weight included (Stasinaki, 2021).
The remaining four studies (Armstrong, 2018; Johansson, 2020; Likhitweerawong, 2020; Mameli, 2018) were included in the current analysis. Important study characteristics and results are summarized in table 2. The assessment of the risk of bias is summarized in risk of bias tables in the study article by Palacios (2025) under study characteristics.
Armstrong (2018) performed a RCT in de Unites States to test the feasibility and effectivity of a text messaging intervention (based on motivational interviewing) for child obesity. Inclusion criteria were age of 5 to 12 years and a BMI ≥95th percentile.
Patients were excluded in case of an underlying medical condition leading to obesity (endocrine or genetic disorder, or currently on a medication known to cause weight gain), whose parents or guardians did not have access to or own a cell phone, or who were unable to read and write in English. Participants (children and a parent/guardian) followed the Healthy Lifestyles program, which was the standard of care in the respective clinic for 12 weeks. In addition, parent participants in the intervention group received daily tekst messages (Monday to Friday) on their own device. The principal investigator and research assistant delivered the text messages and responded to parents replies. During the first prompt of every week, parents were encouraged to set a new health goal for the family or could continue with the goal of the last week. The investigators reinforced the goals that were most likely to succeed and led to BMI reduction.
Johansson (2020) performed a RCT in Sweden to study the feasibility of mHealth usage of the treatment of children with obesity. Patients were included if aged beween 5 and 12 years, had obesity according to the criteria of International Obesity Task Force, used no pharmacological treatment affecting the intervention. The parents had to speak Swedish and were able to use a smart phone. Patients were excluded if obesity treatment was used in the past 6 months, diagnosis or ongoing assessment of neuropsychiatric disorder or in case of hypothalamic obesity. All participants followed standard obesity care with visits at the clinic (at least once per 3 months) with a clinician (nurse, dietician and/or physiotherapist) with focus on lifestyle modification for 6 months. Participants in the intervention group also received support by two mobile apps. One app (Provement)was used for daily weighing. The second app (Lifee Spirits) was used to increase motivation for physical activity by using a game design (with rewards). Both apps were used by the parents of the children. The last app was connected by a wrist-worn activity monitor, worn by the child. This monitored the physical activity. Feedback of the level of physicial activity was also given to the parents and children. Clinicians checked the participants weight charts and gave feedback via text messages.
Likhitweerawong (2021) performed a RCT in Thailand to assess the effectivenes an application in reducing weight and improving eating habits and quality of life in obese children and adolescents. Patients were included if aged 10 to 15 years with obesity (having BMI at or above the 95th percentile for children and adolescents of the same age and sex. Patients were excluded if having a chronic medical illness; not living in the nearby area; having an intellectual disability or requiring special educational needs; not being ethnically Thai; and having morbid obesity. Standard care was according to Thai clinical practice guideline for childhood obesity treatment and prevention and not further specified (guideline not available). In addition to standard care, participants in the intervention group were also given the OBEST app. This app had four features: 1) goals en rewards, 2) a daily dietary record, 3) tips and news, 4) messaging. For the last feature, a healthcare provider sent motivations messages every two weeks. The study duration was six months.
Mameli (2018) performed a RCT in Italy to test whether a personalized lifestyle programme with a wristband, incorporating an accelerometer, and smartphone app, was superior to a standard lifestyle change programme at promoting weight loss in obese children. Patients were included if they had essential obesity with BMI ≥95th percentile and were aged 10 to and 17 years. Exclusion criteria were genetic/syndromic obesity, psychiatric disease and any condition compromising the ability to walk. Standard care was lifestyle program with advice to consume a Mediterranean diet and instruction to practice physical activity and minimize sedentary activity. Contact with clinicians was not further specified. In addition to standard care, participants in the intervention group were also given a wristband to measure energy expenditure and an app to measure energy intake. Participants received feedback during the intervention of their physical activity level, energy intake and the gap between energy intake en expenditure. The study duration was three months.
Table 2. Characteristics of included studies
|
Study |
Participants |
Comparison |
Follow-up |
Outcome measures |
Comments |
Risk of bias (per outcome measure)* |
|
Included in systematic review Palacios (2025) |
||||||
|
Armstrong, 2018 |
N at baseline Intervention: 47 Control: 54
Age (years; median, IQR) Intervention: 10.7 (8.7 to 11.8) Control: 9.4 (7.5 to 11.0)
Sex (% male) Intervention: 36% Control: 41% |
Control: Standard multidisciplinary, family-based obesity care with monthly lifestyle counseling visits by a physician and dietitian.
Intervention: ‘’ + Daily text messages/motivational questions for 12 weeks, delivered to cell phones of the parents (e.g. setting family goals).
|
12 weeks |
BMI, health (fat mass, cardiovascular fitness), lifestyle (nutrition, physical activity) |
Funding source not reported, no potential conflicts of interest |
Some concerns (all outcomes) |
|
Johansson, 2020 |
N at baseline Intervention: 15 Control: 13
Age (years; mean, SD) Intervention: 8.4 (1.9) Control: 9.8 (2.2)
Sex (% male) Intervention: 40% Control: 54% |
Control: Standard care with visits at the clinic (at least once per 3 months) with a clinician (nurse, dietician and/or physiotherapist) with focus on lifestyle modification.
Intervention: ‘’ + two mobile apps for 1) daily weighing and 2) increase motivation for physical activity. The last app connected by a wrist-worn activity monitor (by the child). Clinicians provided feedback on weight via text messages. |
6 months |
BMI |
Non-commercial funding and no conflicts of interest. |
Low (all outcomes) |
|
Likhitweerawong, 2021 |
N at baseline Intervention: 35 Control: 35
Age (years; mean, SD) Intervention: 13.1 (2.0) Control: 12.8 (1.8)
Sex (% male) Intervention: 69% Control: 69% |
Control: Standard care according to Thai Clinical guidelines (not specified)
Intervention: ‘’ + mobile app to improve adherence and promote motivation on reducing weight and changing eating behavior. |
6 months |
BMI, health (waist circumference), quality of life |
Non-commercial funding and no conflicts of interest.
Standard care was not specified, amount of coaching/visits by multiple health care disciplines unknown. |
Some concerns (all outcomes) |
|
Mameli, 2018 |
N at baseline Intervention: 23 Control: 20
Age (years; mean, SD) Intervention: 12.6 (1.7) Control: 12.4 (2.2)
Sex (% male) Intervention: 69% Control: 57% |
Control: Standard lifestyle program with advice to consume a Mediterranean diet and instruction to practice PA/minimal sedentary activity (contact with clinicians not specified)
Intervention: ‘’ + wristband (to measure physical activity with and incorporated accelerometer) and app (to measure energy intake |
3 months |
BMI |
Non-commercial funding and no conflicts of interest.
Standard care was not specified, amount of coaching/visits by multiple health care disciplines unknown. It was further noted that the experimental group was heavier (mean weight 82 kg) at baseline compared to the control group (71 kg). |
Some concerns (all outcomes) |
*For further details, see risk of bias tables in Palacios (2025).
Results
BMI-z
Armstrong (2018) reported the median change in BMI-z after 12 weeks. The median change was 0.00 in control group and 0.02 in intervention group. No further details were provided, including no IQR. Therefore, these results were not further considered.
Likhitweerawong (2021) reported on BMI-z after 6 months follow-up. The adjusted mean difference (adjusted for weight) between the intervention group and the control group was -0.04 (95%CI -0.3 to 0.23) in favor of the control group. This difference was not considered clinically relevant.
• BMI-SDS
Johansson reported only mean change of BMI-SDS. At 6 months, the mean change (95%CI) in the intervention group was -0.23 (-0.33 to -0.13), compared to 0.01 (-0.1 to 0.11) in the control group. The corresponding difference is -0.24 (-0.37 to -0.1). This difference was considered clinically relevant.
Mameli (2018) reported only mean change of BMI-SDS. At 3 months, the mean change (95%CI) in the intervention group was -0.04 (-0.16 to 0.08), compared to -0.03 (-0.14 to 0.09) in the control group. The corresponding difference is -0.01 (-0.17 to 0.15). This difference was not considered clinically relevant.
Waist circumference
Likhitweerawong (2021) reported on waist circumference (cm) after 6 months follow-up. The adjusted mean difference (adjusted for weight) between the intervention group and the control group was 0.40 (95%CI -2.16 to 2.96) in favor of the control group. This difference was not considered clinically relevant.
Health
Armstrong (2018) reported on the outcome health by means of cardiovascular fitness (heart rate) in a 3-minute bench-stepping test. In the intervention group the heart rate increased by 3.5 points (95%CI -7.0 to 15.5) after follow-up, compared to 0.0 points (95%CI -7.0 to 13.0) in the control group. The corresponding difference is 3.5 (-11.1 to 18.2). This difference was not considered clinically relevant.
Lifestyle
Armstrong (2018) reported on the outcome lifestyle by means of child health behaviors. See details in Table 3. No (clinically relevant) differences between groups are reported, as results are presented by median changes.
Table 3. Change in child eating behavior after 12 weeks follow-up (Armstrong, 2018)
|
Child health behaviour |
Intervention group (n = 47) |
Control group (n = 54) |
|
Sugar-sweetened beverages1 |
-1.0 (-1.5 to 0.5) |
0.0 (-1.5 to 1.0) |
|
Fruit servings1 |
0.0 (0.0 to 1.0) |
0.0 (-0.5 to 1.0) |
|
Vegetable servings1 |
0.0 (-1.0 to 0.5) |
0.0 (-0.5 to 1.0) |
|
Sugary snacks1 |
0.0 (-2.0 to 0.3) |
0.0 (-1.0 to 1.0) |
|
Minutes moderate–vigorous activity2 |
10.0 (-2.5 to 30.0) |
0.0 (-30.0 to 25.0) |
|
Hours screen time3 |
-0.5 (-2.0 to 0.5) |
0.0 (-1.0 to 1.0) |
|
1Median change in servings/day (95%CI) 2Median change in minutes/day (95%CI) 3Median change in hours/day (95%CI) |
||
Likhitweerawong (2021) reported on the outcome lifestyle by means of healthy eating behavior. See details in Table 4.
Table 4. Change in healthy eating behavior after 6 months follow-up ( Likhitweerawong, 2021)
|
Healthy eating behaviour |
Intervention group (n = 35) |
Control group (n = 35) |
Risk difference (95%CI) |
|
Having 3 meals/day |
33 (94) |
28 (80) |
0.14 (-0.01 to 0.20) |
|
Eating fruits and vegetables every day |
11 (31) |
9 (26) |
0.06 (-0.15 to 0.27) |
|
Milk consumption every day |
15 (43) |
11 (31) |
0.17 (-0.05 to 0.39) |
|
Less frequent consumption of snack (< 3 days/week) |
11 (31) |
16 (46) |
-0.14 (-0.37 to 0.08) |
|
Less frequent consumption of sugar-sweetened beverages (< 3 days/ week) |
19 (54) |
21 (60) |
-0.06 (-0.29 to 0.17) |
|
Less frequent consumption of fast food (< 3 days/week) |
30 (85) |
20 (57) |
0.29 (0.08 to 0.49) |
|
1Number of patients (%) |
|||
Quality of life
Quality of life was reported by one study (Likhitweerawong, 2021) using the PedsQL with a scale of 0 (low QoL) to 100 (perfect QoL). The changes from baseline tot 6-month follow-up of the study groups for the summary and individual component scores are described in Table 5
Table 5. Mean changes in quality of life scores (PedsQL; 95%CI) from baseline to 6-month follow-up between study groups (Likhitweerawong, 2021)
|
Component of PedsQL |
Intervention group |
Control group |
Difference |
|
Physical functioning |
4.91 (− 2.55 to 11.96) |
1.91 (− 4.22 to 7.43) |
3.00 (-5.98 to 11.98) |
|
Emotional functioning |
2.14 (−3.78 to 7.94) |
4.6 (−2.02 to 10.03) |
-2.46 (-10.57 to 5.65) |
|
Social functioning |
1.0 (−5.83 to 7.56) |
5.42 (0.51 to 10.57) |
-4,42 (12.49 to 3.65) |
|
School functioning |
1.0 (−3.71 to 5.14) |
2.15 (−3.57 to 8.09) |
-1.15 (-8.22 to 5.92) |
|
Psychosocial health summary score |
1.38 (−3.2 to 5.45) |
4.06 (0.2 to 8.06) |
-2.86 (-8.31 to 2.95) |
|
Total summary score |
2.61 (−2.44 to 6.81) |
3.31 (−1.04 to 7.28) |
-0.5 (-6.48 to 5.48) |
Self-management, fat mass
No results were found regarding the outcome measures self-management and fat mass.
Drop-out
All included studies reported on the outcome drop-out in terms of loss to follow-up, see Figure 1. The pooled risk difference was 0.01 (95%CI -0.07 to 0.10), which is not considered clinically relevant.
Figure 1. Forest plot of pooled analysis of drop-out rate
A systematic review of the literature was performed to answer the following question(s):
What is the added value of eHealth and/or mHealth added to a combined lifestyle intervention for children with obesity?
Table 1. PICO
|
Patients |
Children/adolescents with obesity / families with a child with obesity aged 0 to 18 years |
|
Intervention |
eHealth and/or mHealth added to a combined lifestyle intervention1 for children with obesity |
|
Control |
Combined lifestyle intervention1 |
|
Outcomes |
BMI-z*, fat mass, waist circumference, health (e.g. reduction of cardiovascular risk factors), lifestyle (nutrition, physical activity, sleep), quality of life (or improved social participation), self-management, and dropout (process measure). |
|
Other selection criteria |
Study design: systematic reviews, randomized controlled trials and observational studies Intervention duration: ≥3 months 1Consisting of consultation with at least an exercise coach (e.g. physiotherapist) and nutritionist. |
*, BMI Z score is a statistical measure that indicates how a child's Body Mass Index (BMI) compares
to a reference population of the same age and sex. It is calculated by taking the difference between the child's BMI and the mean BMI of the reference population, divided by the standard deviation of the reference population's BMI.
Relevant outcome measures
The guideline panel considered BMI-z, fat mass, waist circumference, health, quality of life as a critical outcome measure for decision making; and lifestyle, self-management and dropout as an important outcome measure for decision making.
A priori, the guideline panel did not define the outcome measures listed above but used the definitions used in the studies.
The guideline panel defined the following as a minimal clinically (patient) important differences:
- BMI z-score or BMI-SDS 0.2 SD.
- Quality of life:
- ∆PedsQL ³ 4.4 (Desai, 2014).
- Waist circumference:
- change ³ 1 cm;
- z-score ³ 0,1 SD.
For all other outcomes, a difference of 25% (RR < 0.75 or > 1.25) for dichotomous outcomes or -0.5 < SMD > 0.5 for continuous outcomes was used as a minimal clinical difference.
Search and select (Methods)
A systematic literature search was performed by a medical information specialist using the following bibliographic databases: Embase.com and Ovid/Medline. Both databases were searched from 2019 to the 18th of August 2025 for systematic reviews, RCTs and observational studies. Systematic searches were completed using a combination of controlled vocabulary/subject headings (e.g., Emtree-terms, MeSH) wherever they were available and natural language keywords. The overall search strategy was derived from three primary search concepts: (1) obesity; (2) children/adolescents; (3) eHealth/mHealth. Duplicates were removed using EndNote software. After deduplication a total of 1736 records were imported for title/abstract screening.
Due to the large number of hits, only systematic reviews (n = 212) publicated in 2023 or after were considered in first place. From this criterium, fifteen studies were selected based on title and abstract screening. After reading the full text, fourteen studies were excluded (see the exclusion table under the tab ‘Evidence tabellen’), and one study was included.
- Desai AD, Zhou C, Stanford S, Haaland W, Varni JW, Mangione-Smith RM. Validity and responsiveness of the pediatric quality of life inventory (PedsQL) 4.0 generic core scales in the pediatric inpatient setting. JAMA Pediatr. 2014 Dec;168(12):1114-21. doi: 10.1001/jamapediatrics.2014.1600. PMID: 25347549.
- Palacios C, Hernandez J, Ajmal A, Rodriguez AJ, Hassan AYI, Metzendorf MI, Ramella-Roman JC. Digital health, technology-driven or technology-assisted interventions for the management of obesity in children and adolescents. Cochrane Database Syst Rev. 2025 Jul 10;7(7):CD015968. doi: 10.1002/14651858.CD015968. PMID: 40637164; PMCID: PMC12243453.
- Stil B, Bellengé N, Snoeren R. De werkzame principes van Blended Care in het sociaal domein. VitaValley. March 2016. Available at: https://www.kwadraad.nl/wp-content/uploads/2016/04/25-03-2016-SROIBlendedCareVerslag.pdf.
- World Health Organization. Closing the gap in a generation: Health equity through action on the social determinants of health. Final Report of the Commission on Social Determinants of Health. Geneva: WHO; 2008. Zie ook: Braveman P, Gruskin S. Defining equity in health. J Epidemiol Community Health. 2003;57(4):254–258.
Beoordelingsdatum en geldigheid
Publicatiedatum : 18-08-2026
Beoordeeld op geldigheid : 18-08-2026
Samenstelling werkgroep
Voor het ontwikkelen van de richtlijnmodule is in 2023 een multidisciplinair cluster ingesteld. Het cluster Obesitas bestaat uit meerdere richtlijnen (zie hier de actuele clusterindeling). De stuurgroep bewaakt het proces van modulair onderhoud binnen het cluster. De expertisegroepsleden brengen hun expertise in, indien nodig. De volgende personen uit het cluster zijn betrokken geweest bij de herziening van deze module:
Clusterstuurgroepleden
- Prof. dr. E.L.T. (Erica) van den Akker, kinderarts, Erasmus MC Sophia Kinderziekenhuis, NVK (voorzitter)
- Dr. I.F. (Ian) Faneyte, chirurg, Ziekenhuisgroep Twente, NVvH
- Dr. S.W. (Simon) Nienhuijs, chirurg, Catharina Ziekenhuis, NVvH
- E.C. (Esen) Cingir-Doganer, patiëntvertegenwoordiger, Stichting Kind en Ziekenhuis
Betrokken clusterexpertisegroepleden
- Drs. S. (Sultan) Duyar, kinderarts, Kind Medisch Centrum, NVK
- Drs. F.A.M.J. (Francoise) van Leeuwen-Geelen, arts Maatschappij en Gezondheid/Jeugdarts, AJN
- T. (Talitha) Meine Jansen, diëtist, NVD
Met ondersteuning van
- Dr. A.N. (Anh Nhi) Nguyen, adviseur, Kennisinstituut van Federatie Medisch Specialisten
- Drs. J.M.H. (Harm-Jan) van der Hart, adviseur, Kennisinstituut van Federatie Medisch Specialisten
- Drs. F.A. (Fieke) Pepping, junior adviseur, Kennisinstituut van Federatie Medisch Specialisten
- Drs. E. (Esther) van der Bijl, medisch informatiespecialist, Kennisinstituut van Federatie Medisch Specialisten
Belangenverklaringen
Een overzicht van de belangen van de clusterleden en het oordeel over het omgaan met eventuele belangen vindt u in onderstaande tabel. De ondertekende belangenverklaringen zijn op te vragen bij het secretariaat van het Kennisinstituut van de Federatie Medisch Specialisten via secretariaat@kennisinstituut.nl.
Clusterstuurgroepleden
Tabel Gemelde (neven)functies en belangen stuurgroep
|
Naam |
Hoofdfunctie |
Nevenwerkzaamheden |
Persoonlijke financiële belangen |
Extern gefinancierd onderzoek |
Intellectuele belangen en reputatie, overige belangen |
Restrictie |
|
Prof. dr. E.L.T. (Erica) van den Akker |
Kinderarts endocrinoloog Sophia Kinderziekenhuis |
NVK vertegenwoordiger in PON (partnerschap overgewicht NL)-onbetaald Voorzitter projectgroep internationale richtlijn "endocrine aspects of diagnostics and treatment in children and adolescents with obesity"- onbetaald Coördinator ESPE (european society of pediatric endocrinology) working group on obesity - onbetaald Coördinator Erasmus MC EASO-COM (European association for studies on obesity- center of management)-onbetaald Penvoerder NFU accredited Erasmus MC center of expertise for genetic obesity- onbetaald Coördinator NVK netwerk farmacotherapie expertisegroep obesitas- onbetaald Lid EndoERN EuRRECa study group on rare obesities-onbetaald |
Geen |
Klinische trials met setmelanotide voor indicatie genetische obesitas Rhythm pharmaceuticals; klinische trial met medicament setmelanotide voor indicatie genetische obesitas, projectleider
Europese unie Horizon; OBCT project sity: Biological, socioCultural, and environmental risk TrajectoriesObesity; projectleider |
Geen |
Restricties t.a.v. besluitvorming over medicamenteuze behandeling van genetische obesitas; vice-voorzitter bij bespreking van onderwerp van voorgenoemde restrictie |
|
Dr. I.F. (Ian) Faneyte |
Chirurg in Ziekenhuisgroep Twente (ZGT) en Saxenburgh Medisch Centrum Hardenberg (SMC), aangesloten bij Chirurgencooperatie Oost-Nederland (ChirCON) |
Geen |
Geen |
Geen |
Geen |
Geen |
|
Dr. S.W. (Simon) Nienhuijs |
Chirurg, Catharina Ziekenhuis Eindhoven |
Voorzitter DATO (vacatiegelden); bestuurslid DSMBS (onbetaald); commissie HIPEC register (onbetaald) |
Geen |
PEACH / SWITCH / educational grant Medtronic aan obesitascentrum / REQUEST studie |
Geen |
Restrictie t.a.v. besluitvorming over plaatsbepaling remote monitoring devices |
|
E.C. (Esen) Cingir-Doganer |
Project-/beleidsmedewerker Stichting Kind en Ziekenhuis |
Geen |
Geen |
Geen |
Geen |
Geen |
Betrokken clusterexpertisegroepleden
Tabel Gemelde (neven)functies en belangen expertisegroep
|
Naam |
Hoofdfunctie |
Nevenwerkzaamheden |
Persoonlijke financiële belangen |
Extern gefinancierd onderzoek |
Intellectuele belangen en reputatie, overige belangen |
Restrictie |
|
Prof. dr. A. (Anne) Roefs |
Professor of Psychology & Neuroscience of Abnormal Eating Maastricht University |
Commissiewerk voor NWO |
Geen |
NWO VICI, NWO Zwaartekrachtproject en ClickNL project |
Geen |
Geen |
|
Drs. I.J. (Inge) Out-Hoiting |
BLCN vice voorzitter (deels vrijwillig, deels betaald); beleidsadviseur zorg. |
ZZP eigenaar Mijn Leefstijl op recept Eigenaar Mijn Leefstijl op Recept/ Mijn Leefstijl Academie online leeromgeving voor GLI deelnemers en coaches |
Geen |
Geen |
Geen |
Geen |
|
T. (Talitha) Meine Jansen |
Dietist |
Bestuurslid Netwerk Kinderdietisten, kennisnetwerk van de Nederlandse Verenging van Dietisten gastdocent bij Hogeschool Arnhem en Nijmegen, op aanvraag als onderdeel binnen post-HBO onderwijs |
Geen |
Geen |
Geen |
Geen |
Betrokken clusterexpertisegroepleden
Tabel Gemelde (neven)functies en belangen expertisegroep
|
Naam |
Hoofdfunctie |
Nevenwerkzaamheden |
Persoonlijke financiële belangen |
Extern gefinancierd onderzoek |
Intellectuele belangen en reputatie, overige belangen |
Restrictie |
|
Drs. S. (Sultan) Duyar |
Kind medisch Centrum, kinderarts; MC kinderplein, kinderarts |
Geen |
Geen |
Geen |
Geen |
Geen |
|
Drs. F.A.M.J. (Francoise) van Leeuwen-Geelen |
Jeugdarts Hecht, raadslid Hart voor Wassenaar. |
Geen |
Geen |
Geen |
Geen |
Geen |
|
T. (Talitha) Meine Jansen |
Dietist |
Bestuurslid Netwerk Kinderdietisten, kennisnetwerk van de Nederlandse Verenging van Dietisten gastdocent bij Hogeschool Arnhem en Nijmegen, op aanvraag als onderdeel binnen post-HBO onderwijs |
Geen |
Geen |
Geen |
Geen |
Inbreng patiëntenperspectief
Er werd aandacht besteed aan het patiëntenperspectief door een afgevaardigde van Stichting Kind en Ziekenhuis in de stuurgroep van het cluster. Daarnaast is de module ter commentaar voorgelegd aan de Nederlandse Vereniging voor Overgewicht en Obesitas en de Patiëntenfederatie.
Kwalitatieve raming van mogelijke financiële gevolgen in het kader van de Wkkgz
Bij de richtlijnmodule voerden de clusterleden conform de Wet kwaliteit, klachten en geschillen zorg (Wkkgz) een kwalitatieve raming uit om te beoordelen of de aanbevelingen mogelijk leiden tot substantiële financiële gevolgen. Bij het uitvoeren van deze beoordeling is de richtlijnmodule op verschillende domeinen getoetst (zie het stroomschema bij Werkwijze).
|
Module |
Uitkomst raming |
Toelichting |
|
eHealth en mHealth bij GLI |
Geen financiële gevolgen |
Hoewel uit de toetsing volgt dat de aanbeveling(en) breed toepasbaar zijn (5.000-40.000 patiënten per jaar), volgt ook uit de toetsing dat het overgrote deel van de zorgaanbieders en zorgverleners al aan de norm voldoet. Er worden daarom geen substantiële financiële gevolgen verwacht. |
Werkwijze
Voor meer details over de gebruikte richtlijnmethodologie verwijzen wij u naar de Werkwijze. Relevante informatie voor de ontwikkeling/herziening van deze richtlijnmodule is hieronder weergegeven.
