MétaCan
Menu
Retour à la cohorte
Enregistrement W2148778157 · doi:10.2196/mhealth.2343

Development of a Theoretically Driven mHealth Text Messaging Application for Sustaining Recent Weight Loss

2013· article· en· W2148778157 sur OpenAlexvenueno aff
Ryan J. Shaw, Hayden B. Bosworth, Jeffrey C Hess, Susan G. Silva, Isaac M. Lipkus, Linda Lindsey Davis, Constance Johnson

Notice bibliographique

RevueJMIR mhealth and uhealth · 2013
Typearticle
Langueen
DomaineHealth Professions
ThématiqueMobile Health and mHealth Applications
Établissements canadiensnon disponible
Organismes subventionnairesNational Center for Research ResourcesNational Institute of Nursing ResearchNational Institutes of HealthHealth Services Research and DevelopmentU.S. Department of Veterans Affairs
Mots-clésShort Message ServicemHealthText messagingWeight lossMobile phoneText messageIntervention (counseling)UsabilityPhoneMedicineComputer scienceInternet privacyPsychologyPsychological interventionNursingObesityTelecommunicationsComputer networkHuman–computer interaction

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Mobile phone short message service (SMS) text messaging, has the potential to serve as an intervention medium to promote sustainability of weight loss that can be easily and affordably used by clinicians and consumers. OBJECTIVE: To develop theoretically driven weight loss sustaining text messages and pilot an mHealth SMS text messaging intervention to promote sustaining recent weight loss in order to understand optimal frequency and timing of message delivery, and for feasibility and usability testing. Results from the pilot study were used to design and construct a patient privacy compliant automated SMS application to deliver weight loss sustaining messages. METHODS: We first conducted a pilot study in which participants (N=16) received a daily SMS text message for one month following a structured weight loss program. Messages were developed from diet and exercise guidelines. Following the intervention, interviews were conducted and self-reported weight was collected via SMS text messaging. RESULTS: All participants (N=16) were capable of sending and receiving SMS text messages. During the phone interview at 1 month post-baseline and at 3 months post-baseline, 13/14 (93%) of participants who completed the study reported their weight via SMS. At 3 months post-baseline, 79% (11/14) participants sustained or continued to lose weight. Participants (13/14, 93%) were favorable toward the messages and the majority (10/14, 71%) felt they were useful in helping them sustain weight loss. All 14 participants who completed the interview thought SMS was a favorable communication medium and was useful to receive short relevant messages promptly and directly. All participants read the messages when they knew they arrived and most (11/14, 79%) read the messages at the time of delivery. All participants felt that at least one daily message is needed to sustain weight loss behaviors and that they should be delivered in the morning. Results were then used to develop the SMS text messaging application. CONCLUSIONS: Study results demonstrated the feasibility of developing weight loss SMS text messages, and the development of an mHealth SMS text messaging application. SMS text messaging was perceived as an appropriate and accepted tool to deliver health promotion content.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,015

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,004
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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.

Tête enseignante Opus0,051
Tête enseignante GPT0,437
Écart entre enseignants0,385 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
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

Citations71
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR mhealth and uhealthMême sujetMobile Health and mHealth ApplicationsTravaux en français237 207