Development of a Healthy Lifestyle Mobile App for Overweight Pregnant Women: Qualitative Study
Notice bibliographique
Résumé
BACKGROUND: Mobile apps are becoming an increasingly ubiquitous platform for delivery of health behavior interventions among overweight and obese perinatal women. However, only a few methodological guidelines on integrating theory, evidence, and qualitative research for their designs are available. OBJECTIVE: The aim of this study was to develop a theory-based, evidence-driven, and user-centered healthy lifestyle app targeting overweight and obese multiethnic pregnant women. METHODS: This paper illustrates how intervention development may be enriched with theoretical basis, systematic review, and qualitative study. An individual face-to-face interview was performed to incorporate the user's involvement in the design. These interviews were audiotaped and transcribed. Thematic analysis technique was used for emerging themes. RESULTS: Integrated concepts of social cognitive theory of self-regulation, self-regulation model, and strength model of self-control were selected as bases of the intervention. Evidence from our systematic review and meta-analysis provided the strongest evidence for the development of intervention. We invited 16 obese or overweight pregnant women to participate in a semistructured interview . The following key themes emerged: content, platform, interactivity, format, and functionality. Apps are a favorable technology platform for healthy diet advice, appropriate physical exercise, and weight management because they are user-friendly and convenient. The app used in this study contains culture-specific, pregnancy-related, and credible contents, including educational, professional and peer support, and self-monitoring domains. The design should include aesthetic appeal, visualized features, and interactive multimedia. CONCLUSIONS: A 3-step process integrating theoretical basis, evidence from systematic review, and research findings from target users can be considered a guide for future app development.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,011 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,005 | 0,003 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 source (Gemma direct ou Codex distillé), 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 ».