MétaCan
Menu
Retour à la cohorte
Enregistrement W2009120483 · doi:10.2196/resprot.2205

Development of Smartphone Applications for Nutrition and Physical Activity Behavior Change

2012· article· en· W2009120483 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

venuePublié dans une revue dont le pays d'attache est le Canada.
no affAucune affiliation canadienne : ce travail est invisible pour une base fondée sur la seule affiliation.
Aucune affiliation canadienne. Une base fondée sur la seule affiliation (le devis habituel) n'aurait jamais vu ce travail. C'est l'un des travaux qui justifient l'inversion de la base.

Notice bibliographique

RevueJMIR Research Protocols · 2012
Typearticle
Langueen
DomaineHealth Professions
ThématiqueMobile Health and mHealth Applications
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésBehavior changePopulationPopularityComputer sciencePsychological interventionThe InternetInternet privacyApplied psychologyWorld Wide WebPsychologyMedicineEnvironmental healthSocial psychologyNursing

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Young adults (aged 18 to 35) are a population group at high risk for weight gain, yet we know little about how to intervene in this group. Easy access to treatment and support with self-monitoring of their behaviors may be important. Smartphones are gaining in popularity with this population group and software applications ("apps") used on these mobile devices are a novel technology that can be used to deliver brief health behavior change interventions directly to individuals en masse, with potentially favorable cost-utility. However, existing apps for modifying nutrition or physical activity behaviors may not always reflect best practice guidelines for weight management. OBJECTIVE: This paper describes the process of developing four apps aimed at modifying key lifestyle behaviors associated with weight gain during young adulthood, including physical activity, and consumption of take-out foods (fast food), fruit and vegetables, and sugar-sweetened drinks. METHODS: The development process involved: (1) deciding on the behavior change strategies, relevant guidelines, graphic design, and potential data collection; (2) selecting the platform (Web-based versus native); (3) creating the design, which required decisions about the user interface, architecture of the relational database, and programming code; and (4) testing the prototype versions with the target audience (young adults aged 18 to 35). RESULTS: The four apps took 18 months to develop, involving the fields of marketing, nutrition and dietetics, physical activity, and information technology. Ten subjects provided qualitative feedback about using the apps. The slow running speed of the apps (due to a reliance on an active Internet connection) was the primary issue identified by this group, as well as the requirement to log in to the apps. CONCLUSIONS: Smartphone apps may be an innovative medium for delivering individual health behavior change intervention en masse, but researchers must give consideration to the target population, available technologies, existing commercial apps, and the possibility that their use will be irregular and short-lived.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Protocole · Signal consensuel: Protocole
Score de désaccord entre enseignants0,912
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,609
Tête enseignante GPT0,688
Écart entre enseignants0,079 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle