Interest and preferences for using advanced physical activity tracking devices: results of a national cross-sectional survey
Notice bibliographique
Résumé
OBJECTIVES: Pedometers are an effective self-monitoring tool to increase users' physical activity. However, a range of advanced trackers that measure physical activity 24 hours per day have emerged (eg, Fitbit). The current study aims to determine people's current use, interest and preferences for advanced trackers. DESIGN AND PARTICIPANTS: A cross-sectional national telephone survey was conducted in Australia with 1349 respondents. OUTCOME MEASURES: Regression analyses were used to determine whether tracker interest and use, and use of advanced trackers over pedometers is a function of demographics. Preferences for tracker features and reasons for not wanting to wear a tracker are also presented. RESULTS: Over one-third of participants (35%) had used a tracker, and 16% are interested in using one. Multinomial regression (n=1257) revealed that the use of trackers was lower in males (OR=0.48, 95% CI 0.36 to 0.65), non-working participants (OR=0.43, 95% CI 0.30 to 0.61), participants with lower education (OR=0.52, 95% CI 0.38 to 0.72) and inactive participants (OR=0.52, 95% CI 0.39 to 0.70). Interest in using a tracker was higher in younger participants (OR=1.73, 95% CI 1.15 to 2.58). The most frequently used tracker was a pedometer (59%). Logistic regression (n=445) revealed that use of advanced trackers compared with pedometers was higher in males (OR=1.67, 95% CI 1.01 to 2.79) and younger participants (OR=2.96, 95% CI 1.71 to 5.13), and lower in inactive participants (OR=0.35, 95% CI 0.19 to 0.63). Over half of current or interested tracker users (53%) prefer to wear it on their wrist, 31% considered counting steps the most important function and 30% regarded accuracy as the most important characteristic. The main reasons for not wanting to use a tracker were, 'I don't think it would help me' (39%), and 'I don't want to increase my activity' (47%). CONCLUSIONS: Activity trackers are a promising tool to engage people in self-monitoring a physical activity. Trackers used in physical activity interventions should align with the preferences of target groups, and should be able to be worn on the wrist, measure steps and be accurate.
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 | 0,001 |
| 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 ».