Improving Health and Reducing Comorbidity Associated with HIV: The Development of<i>TAVIE en santé</i>, a Web-Based Tailored Intervention to Support the Adoption of Health Promoting Behaviors among People Living with HIV
Notice bibliographique
Résumé
Background . In the domain of health behavior change, the deployment and utilization of information and communications technologies as a way to deliver interventions appear to be promising. This article describes the development of a web-based tailored intervention, TAVIE en santé , to support people living with HIV in the adoption of healthy behaviors. Methods . This intervention was developed through an Intervention Mapping (IM) framework and is based on the theory of planned behavior. Results . Crucial steps of IM are the selection of key determinants of behavior and the selection of useful theory-based intervention methods to change the targeted determinants (active ingredients). The content and the sequence of the intervention are then created based on these parameters. TAVIE en santé is composed of 7 interactive web sessions hosted by a virtual nurse. It aims to develop and strengthen skills required for behavior change. Based on an algorithm using individual cognitive data (attitude, perceived behavioral control, and intention), the number of sessions, theory-based intervention methods, and messages contents are tailored to each user. Conclusion . TAVIE en santé is currently being evaluated. The use of IM allows developing intervention with a systematic approach based on theory, empirical evidence, and clinical and experiential knowledge.
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 | 0,008 | 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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».