Messages for men: The efficacy of EPPM-based messages targeting men's physical activity.
Notice bibliographique
Résumé
OBJECTIVE: The majority of men are insufficiently active. Men's tendencies to participate in risky behaviors and their inactivity likely contribute to their increased risk of morbidity and mortality. Physical activity decreases the risk of developing many chronic diseases and may be an optimal behavior to target in men's health interventions. However, educational resources promoting physical activity for men are lacking. To address this gap, we tested the efficacy of messages based upon the Extended Parallel Process Model (EPPM; Witte, 1992) to increase men's physical activity intentions and behaviors. METHOD: Men who were not meeting physical activity guidelines (n = 611) were randomly assigned to read high or low efficacy physical activity messages paired with high or no health risk information. Participants read four brief messages on four consecutive days. Intentions were assessed at baseline and the first follow-up (Day 5). Manipulation check measures were assessed at Day 5. Behavior was assessed at baseline and the second follow-up (Day 14). RESULTS: Overall, the messages had small sized effects. A completer analysis revealed that although men's intentions to be active increased over the course of the study regardless of the messages they received, only men who received risk information significantly increased their physical activity. Men who received low efficacy and risk information were less likely to meet the physical activity guidelines at Day 14 than men who only received low efficacy information. CONCLUSIONS: From these results, we suggest preliminary recommendations for the development of physical activity messages for men and areas for future EPPM-based 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 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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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) | 0,002 | 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 ».