Prescribing Physical Activity for Healthy Aging: Longitudinal Follow-Up and Mixed Method Analysis of a Primary Care Intervention
Notice bibliographique
Résumé
BACKGROUND: There is a shortage of literature describing the experience of individuals who have participated in a physical activity and mobile health (mHealth) intervention. Many physical activity interventions are of short duration and do not report long-term changes in clinical measures or adoption of prescribed health behaviors. Previously, we have reported the clinical and behavioral outcomes from the first phase of a physical activity prescription and mHealth intervention delivered through the primary care setting. The purpose of this next phase is to perform a longitudinal follow-up 6-months postintervention. METHODS: Mixed methods analysis including repeated measures ANOVA of functional aerobic capacity (VO2max) at preintervention, postintervention, and follow-up clinic visits, and whole text analysis of semistructured interviews discussing the participant experience in a health behavior intervention. RESULTS: Twenty participants, mean age 63 ± 5 years, participated. Gains made in VO2max were maintained at 6 months (P < 0.05). Participants reported engaging in sustained and routine physical activity, yet some identified a need for additional support to adopt the prescribed health behaviors. Emergent themes included the desire for short-term mHealth intervention to educate individuals about prescribed health behaviors without need for ongoing management by clinicians, leveraging mHealth to build social networks around prescribed health behaviors and to connect individuals to build a sense of community, and participant views of physical activity as medicine. CONCLUSIONS: The present study investigated both the long-term adoption of physical activity behaviors as well as the participant experience in a physical activity and mHealth intervention. Findings from the current study may be used to inform the development of user-centered lifestyle interventions.
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.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,020 | 0,024 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».