MétaCan
Menu
Retour à la cohorte
Enregistrement W2801803724 · doi:10.2196/formative.8544

A Text Messaging Intervention (Txt4HappyKids) to Promote Fruit and Vegetable Intake Among Families With Young Children: Pilot Study

2018· article· en· W2801803724 sur OpenAlexvenueno aff
Julianne Power, Andrea Bersamin

Notice bibliographique

RevueJMIR Formative Research · 2018
Typearticle
Langueen
DomaineMedicine
ThématiqueObesity, Physical Activity, Diet
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésEnvironmental healthIntervention (counseling)Supplemental Nutrition Assistance ProgramLow incomePopulationBusinessMedicineFood securityAgricultureSocioeconomicsGeographyFood insecurityNursingEconomics

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Increasing fruit and vegetable intake among low-income populations, especially children, is a priority for United States federal food assistance programs. With over 49 million federal food assistance program recipients, cost-effective and efficient methods are needed to effectively deliver nutrition education to such a large population. OBJECTIVE: The objective of our study was to examine the preliminary efficacy and acceptability of a text messaging intervention, Txt4HappyKids, to promote fruit and vegetable intake among families with young children. METHODS: The intervention was evaluated using a pre-post study design. Parents (N=72) in Alaska were recruited from venues that serve a predominantly low-income population to participate in an 11-week intervention based on social cognitive theory. Parents received two texts per week promoting child fruit and vegetable intake. Behaviors, self-efficacy, and attitudes related to fruit and vegetable intake were measured at baseline and postintervention. Perceived changes in behaviors and open-ended feedback were also collected postintervention. RESULTS: Of all participants, 67.3% (72/107) completed the intervention. We found no changes in behavior (P=.26), self-efficacy (P=.43), or attitudes (P=.35) related to fruit and vegetable intake from pre- to postintervention. Completers reported that since their participation in Txt4HappyKids, 92% (66/72) served more fruits and vegetables to their child because they thought fruits and vegetables were beneficial, 86% (62/72) tried to follow a healthier diet, 85% (61/72) tried different ways of preparing fruits and vegetables, and 81% (58/72) were more aware of the foods their child consumes. Additionally, 79% (57/72) of completers thought that Txt4HappyKids was credible, 71% (51/72) found texts useful, and 82% (59/72) would recommend it to a friend. CONCLUSIONS: A text messaging intervention was not sufficient to increase fruit and vegetable intake among families with young children. However, parents felt positively impacted by Txt4HappyKids and were receptive to nutrition information, despite the absence of face-to-face contact. High satisfaction among completers indicates that text messaging may be an acceptable complement to budget-constrained nutrition programs. These findings are an important first step in developing larger multi-level interventions utilizing mobile technology; however, a more rigorous evaluation of the Txt4HappyKids intervention is warranted.

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)0,003
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Essai non randomisé · Signal consensuel: Essai non randomisé
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,015

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,001
Communication savante0,0000,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,036
Tête enseignante GPT0,369
Écart entre enseignants0,333 · 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'étudeEssai non randomisé
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

Citations16
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR Formative ResearchMême sujetObesity, Physical Activity, DietTravaux en français237 207