Activity Trackers Implement Different Behavior Change Techniques for Activity, Sleep, and Sedentary Behaviors
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: Several studies have examined how the implementation of behavior change techniques (BCTs) varies between different activity trackers. However, activity trackers frequently allow tracking of activity, sleep, and sedentary behaviors; yet, it is unknown how the implementation of BCTs differs between these behaviors. OBJECTIVE: The aim of this study was to assess the number and type of BCTs that are implemented by wearable activity trackers (self-monitoring systems) in relation to activity, sleep, and sedentary behaviors and to determine whether the number and type of BCTs differ between behaviors. METHODS: Three self-monitoring systems (Fitbit [Charge HR], Garmin [Vivosmart], and Jawbone [UP3]) were each used for a 1-week period in August 2015. Each self-monitoring system was used by two of the authors (MJD and BM) concurrently. The Coventry, Aberdeen, and London-Refined (CALO-RE) taxonomy was used to assess the implementation of 40 BCTs in relation to activity, sleep, and sedentary behaviors. Discrepancies in ratings were resolved by discussion, and interrater agreement in the number of BCTs implemented was assessed using kappa statistics. RESULTS: Interrater agreement ranged from 0.64 to 1.00. From a possible range of 40 BCTs, the number of BCTs present for activity ranged from 19 (Garmin) to 33 (Jawbone), from 4 (Garmin) to 29 (Jawbone) for sleep, and 0 (Fitbit) to 10 (Garmin) for sedentary behavior. The average number of BCTs implemented was greatest for activity (n=26) and smaller for sleep (n=14) and sedentary behavior (n=6). CONCLUSIONS: The number and type of BCTs implemented varied between each of the systems and between activity, sleep, and sedentary behaviors. This provides an indication of the potential of these systems to change these behaviors, but the long-term effectiveness of these systems to change activity, sleep, and sedentary behaviors remains unknown.
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.
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 | 0,003 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,003 |
| 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 découle