MétaCan
Menu
Retour à la cohorte
Enregistrement W2901490785 · doi:10.2196/mhealth.9832

The Use of Wearable Activity Trackers Among Older Adults: Focus Group Study of Tracker Perceptions, Motivators, and Barriers in the Maintenance Stage of Behavior Change

2018· article· en· W2901490785 sur OpenAlexvenueno aff
Anastasia Kononova, Lin Li, Kendra Kamp, M. D. Bowen, R. V. Rikard, Shelia R. Cotten, Wei Peng

Notice bibliographique

RevueJMIR mhealth and uhealth · 2018
Typearticle
Langueen
DomaineMedicine
ThématiquePhysical Activity and Health
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésActivity trackerFocus groupPerceptionWearable computerWearable technologyPsychologyBehavior changeGerontologyApplied psychologyMedicinePhysical medicine and rehabilitationPhysical activitySocial psychologyComputer scienceMarketingBusiness

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Wearable activity trackers offer the opportunity to increase physical activity through continuous monitoring. Viewing tracker use as a beneficial health behavior, we explored the factors that facilitate and hinder long-term activity tracker use, applying the transtheoretical model of behavior change with the focus on the maintenance stage and relapse. OBJECTIVE: The aim of this study was to investigate older adults' perceptions and uses of activity trackers at different points of use: from nonuse and short-term use to long-term use and abandoned use to determine the factors to maintain tracker use and prevent users from discontinuing tracker usage. METHODS: Data for the research come from 10 focus groups. Of them, 4 focus groups included participants who had never used activity trackers (n=17). These focus groups included an activity tracker trial. The other 6 focus groups (without the activity tracker trial) were conducted with short-term (n=9), long-term (n=11), and former tracker users (n=11; 2 focus groups per user type). RESULTS: The results revealed that older adults in different tracker use stages liked and wished for different tracker features, with long-term users (users in the maintenance stage) being the most diverse and sophisticated users of the technology. Long-term users had developed a habit of tracker use whereas other participants made an effort to employ various encouragement strategies to ensure behavior maintenance. Social support through collaboration was the primary motivator for long-term users to maintain activity tracker use. Short-term and former users focused on competition, and nonusers engaged in vicarious tracker use experiences. Former users, or those who relapsed by abandoning their trackers, indicated that activity tracker use was fueled by curiosity in quantifying daily physical activity rather than the desire to increase physical activity. Long-term users saw a greater range of pros in activity tracker use whereas others focused on the cons of this behavior. CONCLUSIONS: The results suggest that activity trackers may be an effective technology to encourage physical activity among older adults, especially those who have never tried it. However, initial positive response to tracker use does not guarantee tracker use maintenance. Maintenance depends on recognizing the long-term benefits of tracker use, social support, and internal motivation. Nonadoption and relapse may occur because of technology's limitations and gaining awareness of one's physical activity without changing the physical activity level itself.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,113
Score d'incertitude au seuil0,997

Scores Codex et Gemma par catégorie

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

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 Opus0,080
Tête enseignante GPT0,367
Écart entre enseignants0,288 · 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 tête enseignante, 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

Citations232
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR mhealth and uhealthMême sujetPhysical Activity and HealthTravaux en français237 207