MétaCan
Menu
Retour à la cohorte
Enregistrement W2769473743 · doi:10.2196/mhealth.8211

User Acceptance of Wrist-Worn Activity Trackers Among Community-Dwelling Older Adults: Mixed Method Study

2017· article· en· W2769473743 sur OpenAlexafffundvenueabout
Arjun Puri, Ben Kim, Olivier Nguyen, Paul Stolee, James Tung, Joon Lee

Notice bibliographique

RevueJMIR mhealth and uhealth · 2017
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueTechnology Use by Older Adults
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesAGE-WELL
Mots-clésActivity trackerLogistic regressionPsychologyWearable computerWearable technologyPopulationTechnology acceptance modelGerontologyApplied psychologyMedicinePhysical therapyUsabilityComputer sciencePhysical activityEnvironmental healthHuman–computer interaction

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Wearable activity trackers are newly emerging technologies with the anticipation for successfully supporting aging-in-place. Consumer-grade wearable activity trackers are increasingly ubiquitous in the market, but the attitudes toward, as well as acceptance and voluntary use of, these trackers in older population are poorly understood. OBJECTIVE: The aim of this study was to assess acceptance and usage of wearable activity trackers in Canadian community-dwelling older adults, using the potentially influential factors as identified in literature and technology acceptance model. METHODS: A mixed methods design was used. A total of 20 older adults aged 55 years and older were recruited from Southwestern Ontario. Participants used 2 different wearable activity trackers (Xiaomi Mi Band and Microsoft Band) separately for each segment in the crossover design study for 21 days (ie, 42 days total). A questionnaire was developed to capture acceptance and experience at the end of each segment, representing 2 different devices. Semistructured interviews were conducted with 4 participants, and a content analysis was performed. RESULTS: Participants ranged in age from 55 years to 84 years (mean age: 64 years). The Mi Band gained higher levels of acceptance (16/20, 80%) compared with the Microsoft Band (10/20, 50%). The equipment characteristics dimension scored significantly higher for the Mi Band (P<.05). The amount a participant was willing to pay for the device was highly associated with technology acceptance (P<.05). Multivariate logistic regression with 3 covariates resulted in an area under the curve of 0.79. Content analysis resulted in the formation of the following main themes: (1) smartphones as facilitators of wearable activity trackers; (2) privacy is less of a concern for wearable activity trackers, (3) value proposition: self-awareness and motivation; (4) subjective norm, social support, and sense of independence; and (5) equipment characteristics matter: display, battery, comfort, and aesthetics. CONCLUSIONS: Older adults were mostly accepting of wearable activity trackers, and they had a clear understanding of its value for their lives. Wearable activity trackers were uniquely considered more personal than other types of technologies, thereby the equipment characteristics including comfort, aesthetics, and price had a significant impact on the acceptance. Results indicated that privacy was less of concern for older adults, but it may have stemmed from a lack of understanding of the privacy risks and implications. These findings add to emerging research that investigates acceptance and factors that may influence acceptance of wearable activity trackers among older adults.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,005
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,078
Score d'incertitude au seuil0,154

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,005
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,001
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,062
Tête enseignante GPT0,428
Écart entre enseignants0,365 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations193
Publié2017
Routes d'admission4
Résumé présentoui

Explorer davantage

Même revueJMIR mhealth and uhealthMême sujetTechnology Use by Older AdultsTravaux en français237 207