Effects of Charitable Versus Monetary Incentives on the Acceptance of and Adherence to a Pedometer-Based Health Intervention: Study Protocol and Baseline Characteristics of a Cluster-Randomized Controlled Trial
Notice bibliographique
Résumé
BACKGROUND: Research has so far benefited from the use of pedometers in physical activity interventions. However, when public health institutions (eg, insurance companies) implement pedometer-based interventions in practice, people may refrain from participating due to privacy concerns. This might greatly limit the applicability of such interventions. Financial incentives have been successfully used to influence both health behavior and privacy concerns, and may thus have a beneficial effect on the acceptance of pedometer-based interventions. OBJECTIVE: This paper presents the design and baseline characteristics of a cluster-randomized controlled trial that seeks to examine the effect of financial incentives on the acceptance of and adherence to a pedometer-based physical activity intervention offered by a health insurance company. METHODS: More than 18,000 customers of a large Swiss health insurance company were allocated to a financial incentive, a charitable incentive, or a control group and invited to participate in a health prevention program. Participants used a pedometer to track their daily physical activity over the course of 6 months. A Web-based questionnaire was administered at the beginning and at the end of the intervention and additional data was provided by the insurance company. The primary outcome of the study will be the participation rate, secondary outcomes will be adherence to the prevention program, physical activity, and health status of the participants among others. RESULTS: Baseline characteristics indicate that residence of participants, baseline physical activity, and subjective health should be used as covariates in the statistical analysis of the secondary outcomes of the study. CONCLUSIONS: This is the first study in western cultures testing the effectiveness of financial incentives with regard to a pedometer-based health intervention offered by a large health insurer to their customers. Given that the incentives prove to be effective, this study provides the basis for powerful health prevention programs of public health institutions that are easy to implement and can reach large numbers of people in need.
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 | 0,056 | 0,056 |
| Méta-épidémiologie (sens strict) | 0,007 | 0,004 |
| Méta-épidémiologie (sens large) | 0,015 | 0,008 |
| Bibliométrie | 0,004 | 0,006 |
| Études des sciences et des technologies | 0,003 | 0,005 |
| Communication savante | 0,005 | 0,004 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,008 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,025 | 0,004 |
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 ».