Evaluation of a Mindfulness-Based Mobile App Aimed at Promoting Awareness of Weight-Related Behaviors in Adolescents: A Pilot Study
Notice bibliographique
Résumé
BACKGROUND: Mindfulness-based interventions are reported to be highly acceptable and have positive effects on youth, yet most are clinic- or school-based aimed at emotional regulation or academic performance. To provide flexible program delivery, we developed and tested a standalone mindfulness-based app aimed at improving weight-related behaviors (eg, diet, physical activity, sleep) in adolescents. OBJECTIVE: Our objective was to assess the feasibility, acceptability, and utility of a mindfulness-based mobile app. METHODS: In a single-arm pilot study, 15 adolescents (14-18 years) were prompted to access the app once a day, every day for 6 weeks. Outcomes were measured by in-app and poststudy surveys, and descriptive statistical analyses were performed. Time within a mindfulness state was self-reported during weekly timed practices. RESULTS: The app was rated highly for content and encouraging the practice of activities to promote mindfulness states. Teens reported increased awareness of eating behaviors and high adherence, particularly during physically active practices. Average self-reported time spent in a mindfulness state increased 2.5 times by week 6 (78 [SD 17] seconds) compared to week 1 (31 [SD 21] seconds). CONCLUSIONS: The high acceptability and utility ratings of the app, increases in reported time in mindfulness states, and high frequency of participation, including mindful eating and physical activity, suggest the mindfulness-based mobile app has the potential to improve awareness of weight-related behaviors.
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 | 0,009 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 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 ».