Meta-analysis of internet-delivered interventions to increase physical activity levels
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.
Notice bibliographique
Résumé
Many internet-delivered physical activity behaviour change programs have been developed and evaluated. However, further evidence is required to ascertain the overall effectiveness of such interventions. The objective of the present review was to evaluate the effectiveness of internet-delivered interventions to increase physical activity, whilst also examining the effect of intervention moderators. A systematic search strategy identified relevant studies published in the English-language from Pubmed, Proquest, Scopus, PsychINFO, CINHAL, and Sport Discuss (January 1990 - June 2011). Eligible studies were required to include an internet-delivered intervention, target an adult population, measure and target physical activity as an outcome variable, and include a comparison group that did not receive internet-delivered materials. Studies were coded independently by two investigators. Overall effect sizes were combined based on the fixed effect model. Homogeneity and subsequent exploratory moderator analysis was undertaken. A total of 34 articles were identified for inclusion. The overall mean effect of internet-delivered interventions on physical activity was d = 0.14 (p = 0.00). Fixed-effect analysis revealed significant heterogeneity across studies (Q = 73.75; p = 0.00). Moderating variables such as larger sample size, screening for baseline physical activity levels and the inclusion of educational components significantly increased intervention effectiveness. Results of the meta-analysis support the delivery of internet-delivered interventions in producing positive changes in physical activity, however effect sizes were small. The ability of internet-delivered interventions to produce meaningful change in long-term physical activity remains unclear.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,006 | 0,008 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 découle