Using Mobile Apps to Promote a Healthy Lifestyle Among Adolescents and Students: A Review of the Theoretical Basis and Lessons Learned
Notice bibliographique
Résumé
BACKGROUND: European adolescents and students tend to have low levels of physical activity and eat unhealthy foods, and the prevalence of overweight and obesity has increased, which poses a public health challenge. Mobile apps play an important role in their daily lives, suggesting their potential to be used in health-promoting strategies. OBJECTIVE: This review aimed to explore how mobile apps can contribute to the promotion of healthy nutrition, physical activity, and prevention of overweight in adolescents and students. For the apps identified, the review describes the content, the theoretical mechanisms applied, and lessons learned. METHODS: The databases Scopus, MEDLINE, Embase, and PsycINFO were searched for English-language publications from January 2009 to November 2013. Studies were included if (1) the primary component of the intervention involves an app; (2) the intervention targets healthy nutrition, or physical activity, or overweight prevention; and (3) the target group included adolescents or students (aged 12-25 years). RESULTS: A total of 15 studies were included, which describe 12 unique apps. Ten of these apps functioned as monitoring tools for assessing dietary intake or physical activity levels. The other apps used a Web-based platform to challenge users to exercise and to allow users to list and photograph their problem foods. For 5 apps, the behavioral theory underpinning their development was clearly specified. Frequently applied behavior change techniques are prompting self-monitoring of behavior and providing feedback on performance. Apps can function self-contained, but most of them are used as part of therapy or to strengthen school programs. From the age of 10 years users may be capable of using apps. Only 4 apps were developed specifically for adolescents. All apps were tested on a small scale and for a short period. CONCLUSIONS: Despite large potential and abundant usage by young people, limited research is available on apps and health promotion for adolescents. Apps seem to be a promising health promotion strategy as a monitoring tool. Apps can enable users to set targets, enhance self-monitoring, and increase awareness. Three apps incorporated social features, making them "social media," but hardly any evidence appeared available about their potential.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,008 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,004 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| 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 source (Gemma direct ou Codex distillé), 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 ».