MétaCan
Menu
Retour à la cohorte
Enregistrement W2810159300 · doi:10.2196/formative.9343

Assessing the Feasibility and Pre-Post Impact Evaluation of the Beta (Test) Version of the BeUpstanding Champion Toolkit in Reducing Workplace Sitting: Pilot Study

2018· article· en· W2810159300 sur OpenAlexvenueno aff
Geneviève N. Healy, Elizabeth Eakin, Elisabeth Winkler, Nyssa Hadgraft, David W. Dunstan, Nicholas D. Gilson, Ana D. Goode

Notice bibliographique

RevueJMIR Formative Research · 2018
Typearticle
Langueen
DomainePsychology
ThématiqueFacilities and Workplace Management
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésChampionDeskTest (biology)SittingMedical educationWork (physics)PsychologyMedicineEngineeringPolitical science

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: The Web-based, evidence-informed BeUpstanding Champion Toolkit was developed to provide employers (via a "train-the-champion approach") with resources and support to help in reducing prolonged sitting in their own desk-based workplace. As part of a five-phase research-to-dissemination process, this study reports on the evaluation of the beta (test) version of this toolkit (Phase 2). OBJECTIVE: The objective of our study was to evaluate (1) the implementation of the toolkit by workplace champions and (2) the impact of the toolkit on sitting (primary outcome), standing, and moving; use of activity-promoting strategies; knowledge and attitudes; and indicators of health and work performance. METHODS: An implementation study using a pre-post design was conducted in 7 desk-based workplaces in Australia (September 2015 to May 2016), with work teams (one per workplace) purposively recruited to ensure representation across a range of sectors (white- or blue-collar), organizational sizes (small or medium or large), and locations (metropolitan or regional). All staff within participating teams were invited to participate in the relevant toolkit activities. Implementation outcomes (time commitment required by champions and toolkit activities completed) were collected from each champion via telephone interviews. Changes in impact outcomes, measured via a Web-based questionnaire completed by employees at baseline and 3 months postimplementation, were assessed using mixed models, correcting for clustering. RESULTS: Champions reported a 30-60 minutes per week time commitment to the toolkit activities. All teams formed a wellbeing committee and sent the staff surveys at both time points; most champions held a staff consultation workshop (6/7), identified team-level strategies within that workshop (5/7), used the communication resources provided within the toolkit (emails, posters; 6/7), and completed the action plan (5/7). In total, 52% (315 of ≈600) employees participated in at least one survey and 97 (16%) participated in both. At follow-up, there was a significant (P<.05) reduction in self-reported workplace sitting time compared to baseline (-6.3%, 95% CI -10.1 to -2.5; n=85) equating to ≈30 minutes per workday. Significant benefits were also observed for the use of activity-promoting strategies, with small, nonsignificant changes observed for knowledge and attitudes and indicators of health and work performance. CONCLUSIONS: The beta version of the BeUpstanding Champion Toolkit was feasible to implement and effective in reducing self-reported workplace sitting across a broad range of desk-based workplaces. The next phase (Phase 3) will build on these findings to optimize the toolkit for wider-scale implementation and longer term evaluation.

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)0,021
score de la tête « metaresearch » (Gemma)0,035
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,021
Score d'incertitude au seuil0,113

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0210,035
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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.

Tête enseignante Opus0,179
Tête enseignante GPT0,498
Écart entre enseignants0,319 · 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'étudeObservationnel
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

Citations23
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR Formative ResearchMême sujetFacilities and Workplace ManagementTravaux en français237 207