The role of smartphones in encouraging physical activity in adults
Notice bibliographique
Résumé
Lack of physical activity is a global public health issue. Behavioral change interventions utilizing smartphone applications (apps) are considered a potential solution. The purpose of this literature review was to: 1) determine whether smartphone-based interventions encourage the initiation of, and participation in, physical activity; 2) explore the success of interventions in different populations; and 3) examine the key factors of the interventions that successfully encouraged physical activity. Eight databases (Medline, Scopus, EBM Reviews-Cochrane Central Register of Controlled Trials, EBM Reviews-Cochrane Database of Systematic Reviews, PsycInfo, SportDISCUS, CINAHL, and EMBASE) were searched and studies reporting physical activity outcomes following interventions using smartphone apps in adults were included in the narrative review. Results were mixed with eight studies reporting increased physical activity and ten reporting no change. Interventions did not appear to be successful in specific populations defined by age, sex, country, or clinical diagnosis. There was no conclusive evidence that a specific behavioral theory or behavioral change technique was superior in eliciting behavioral change. The literature remains limited primarily to short-term studies, many of which are underpowered feasibility or pilot studies; therefore, many knowledge gaps regarding the effectiveness of smartphone apps in encouraging physical activity remain. Robust studies that can accommodate the fast pace of the technology industry are needed to examine outcomes in large populations.
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 | 0,002 | 0,001 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 ».