Testing the hierarchy of effects model: ParticipACTION's serial mass communication campaigns on physical activity in Canada
Notice bibliographique
Résumé
The hierarchy of effects (HOE) model is often used in planning mass-reach communication campaigns to promote health, but has rarely been empirically tested. This paper examines Canada's 30 year ParticipACTION campaign to promote physical activity (PA). A cohort from the nationally representative 1981 Canada Fitness Survey was followed up in 1988 and 2002-2004. Modelling of these data tested whether the mechanisms of campaign effects followed the theoretical framework proposed in the HOE. Campaign awareness was measured in 1981. Outcome expectancy, attitudes, decision balance and future intention were asked in 1988. PA was assessed at all time points. Logistic regression was used to sequentially test mediating and moderating variables adjusting for age, sex and education. No selection bias was observed; however, relatively fewer respondents than non-respondents smoked or were underweight at baseline. Among those inactive at baseline, campaign awareness predicted outcome expectancy which in turn predicted positive attitude to PA. Positive attitudes predicted high decision balance, which predicted future intention. Future intention mediated the relationship between decision balance and sufficient activity. Among those sufficiently active at baseline, awareness was unrelated to outcome expectancy and inversely related to positive attitude. These results lend support to the HOE model, in that the effects of ParticipACTION's serial mass media campaigns were consistent with the sequential rollout of its messages, which in turn was associated with achieving an active lifestyle among those initially insufficiently active. This provides support to an often-used theoretical framework for designing health promotion media campaigns.
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 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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».