A systematic review of three approaches for constructing physical activity messages: What messages work and what improvements are needed?
Notice bibliographique
Résumé
BACKGROUND: To motivate individuals to adhere to a regular physical activity regime, guidelines must be supplemented with persuasive messages that are disseminated widely. While substantial research has examined effective strategies for disseminating physical activity messages, there has been no systematic effort to examine optimal message content. This paper reviews studies that evaluate the effectiveness of three approaches for constructing physical activity messages including tailoring messages to suit individual characteristics of message recipients (message tailoring), framing messages in terms of gains versus losses (message framing), and targeting messages to affect change in self-efficacy (i.e., a theoretical determinant of behavior change). METHODS: We searched the MEDLINE, PsycINFO, EMBASE and CINAHL databases up to July 2008. Relevant reference lists also were searched. We included intervention trials, field experiments, and laboratory-based studies that aimed to test the efficacy or effectiveness of tailored messages, framed messages and self-efficacy change messages among healthy adults. We used a descriptive approach to analyze emerging patterns in research findings. Based on this evidence we made recommendations for practice and future research. RESULTS: Twenty-two studies were identified. Twelve studies evaluated message tailoring. In 10 of these studies, tailored messages resulted in greater physical activity than a control message. Six studies evaluated framed messages. Five of these studies demonstrated that gain-framed messages lead to stronger intentions to be active compared to a control message. Moreover, a gain-frame advantage was evident in three of the four studies that assessed physical activity. Four studies evaluated self-efficacy change messages. The two studies that used an experimental design provide a clear indication that individuals' beliefs can be affected by messages that incorporate types of information known to be determinants of self-efficacy. Overall, strong evidence to support definitive recommendations for optimal message content and structure was lacking. CONCLUSIONS: Additional research testing the optimal content of messages used to supplement physical activity guidelines is needed. Tailored messages, gain-framed messages, and self-efficacy change messages hold promise as strategies for constructing physical activity messages and should be a focus of future research.
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 | 0,023 | 0,112 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,010 | 0,007 |
| Bibliométrie | 0,022 | 0,022 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,004 | 0,006 |
| Science ouverte | 0,004 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».