MétaCan
Menu
Retour à la cohorte
Enregistrement W2142210580 · doi:10.1177/1359105310364173

An Information-Motivation-Behavioral Skills Analysis of Diet and Exercise Behavior in Puerto Ricans with Diabetes

2010· article· en· W2142210580 sur OpenAlexaff
Chandra Y. Osborn, K. Rivet Amico, William A. Fisher, Leonard E. Egede, Jeffrey D. Fisher

Notice bibliographique

RevueJournal of Health Psychology · 2010
Typearticle
Langueen
DomaineMedicine
ThématiqueDiabetes Management and Education
Établissements canadiensWestern University
Organismes subventionnairesNational Institute of Diabetes and Digestive and Kidney Diseases
Mots-clésGlycemicPsychological interventionPsychologyDiabetes mellitusClinical psychologyTheory of planned behaviorDevelopmental psychologyMedicineEndocrinologyControl (management)Psychiatry

Résumé

récupéré en direct d'OpenAlex

Frameworks are needed to inform diabetes self-care programs for diverse populations. We tested the Information-Motivation-Behavioral Skills (IMB) model in a sample of Puerto Ricans with Type 2 diabetes (N = 118). Structural equation models evaluated model fit and interrelations between IMB constructs. For diet behavior, information and motivation related to behavioral skills ( r = 0.19, p < .05 and r = 0.39, p < .01, respectively); behavioral skills related to behavior (r = 0.42, p < .01 and r = 0.32, p < .05); and behavior related to glycemic control (r = -0.26, p < .05). For exercise, personal motivation related to behavioral skills (r = 0.53, p < .001), and behavioral skills related to behavior (r = 0.45, p < .001). The IMB model could inform interventions targeting these behaviors in diabetes.

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 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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,022
Score d'incertitude au seuil0,245

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,017
Tête enseignante GPT0,380
Écart entre enseignants0,363 · 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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations112
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Health PsychologyMême sujetDiabetes Management and EducationTravaux en français237 207