mActive-Smoke: A Prospective Observational Study Using Mobile Health Tools to Assess the Association of Physical Activity With Smoking Urges
Notice bibliographique
Résumé
Background: Evidence that physical activity can curb smoking urges is limited in scope to acute effects and largely reliant on retrospective self-reported measures.Mobile health technologies offer novel mechanisms for capturing real-time data of behaviors in the natural environment.Objective: This study aimed to explore this in a real-world longitudinal setting by leveraging mobile health tools to assess the association between objectively measured physical activity and concurrent smoking urges in a 12-week prospective observational study.Methods: We enrolled 60 active smokers (≥3 cigarettes per day) and recorded baseline demographics, physical activity, and smoking behaviors using a Web-based questionnaire.Step counts were measured continuously using the Fitbit Charge HR.Participants reported instantaneous smoking urges via text message using a Likert scale ranging from 1 to 9. On study completion, participants reported follow-up smoking behaviors in an online exit survey.Results: A total of 53 participants (aged 40 [SD 12] years, 57% [30/53] women, 49% [26/53] nonwhite) recorded at least 6 weeks of data and were thus included in the analysis.We recorded 15,365 urge messages throughout the study, with a mean of 290 (SD 62) messages per participant.Mean urge over the course of the study was positively associated with daily cigarette consumption at follow-up (Pearson r=.33; P=.02).No association existed between daily steps and mean daily urge (beta=-6.95×10-3 per 1000 steps; P=.30).Regression models of acute effects, however, did reveal modest inverse associations between steps within 30-, 60-, and 120-min time windows of a reported urge (beta=-.0191per 100 steps, P<.001).Moreover, 6 individuals (approximately 10% of the study population) exhibited a stronger and consistent inverse association between steps and urge at both the day level (mean individualized beta=-.153per 1000 steps) and 30-min level (mean individualized beta=-1.66 per 1000 steps). Conclusions:Although there was no association between objectively measured daily physical activity and concurrently self-reported smoking urges, there was a modest inverse relationship between recent step counts (30-120 min) and urge.Approximately 10% of the individuals appeared to have a stronger and consistent inverse association between physical activity and urge, a provocative finding warranting further study.
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».