MétaCan
Menu
Retour à la cohorte
Enregistrement W2902061323 · doi:10.2196/10523

Feasibility of Using a Commercial Fitness Tracker as an Adjunct to Family-Based Weight Management Treatment: Pilot Randomized Trial

2018· article· en· W2902061323 sur OpenAlexvenueno aff
Thao-Ly T. Phan, Nadia Barnini, Sherlly Xie, Angélica Martínez, Lauren Falini, Atiera Abatemarco, Maura Waldron, Jane M Benton, Steve Frankenberry, Cassandra Coleman, Linhda Nguyen, Cindy Bo, George Datto, Lloyd N. Werk

Notice bibliographique

RevueJMIR mhealth and uhealth · 2018
Typearticle
Langueen
DomaineHealth Professions
ThématiqueMobile Health and mHealth Applications
Établissements canadiensnon disponible
Organismes subventionnairesEunice Kennedy Shriver National Institute of Child Health and Human DevelopmentNational Institutes of HealthNemours Foundation
Mots-clésActivity trackerDyadRandomized controlled trialPhysical fitnessWeight managementPhysical therapyMedicinePsychologyWeight lossPhysical activityObesityDevelopmental psychologySurgery

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Fitness trackers can engage users through automated self-monitoring of physical activity. Studies evaluating the utility of fitness trackers are limited among adolescents, who are often difficult to engage in weight management treatment and are heavy technology users. OBJECTIVE: We conducted a pilot randomized trial to describe the impact of providing adolescents and caregivers with fitness trackers as an adjunct to treatment in a tertiary care weight management clinic on adolescent fitness tracker satisfaction, fitness tracker utilization patterns, and physical activity levels. METHODS: Adolescents were randomized to 1 of 2 groups (adolescent or dyad) at their initial weight management clinic visit. Adolescents received a fitness tracker and counseling around activity data in addition to standard treatment. A caregiver of adolescents in the dyad group also received a fitness tracker. Satisfaction with the fitness tracker, fitness tracker utilization patterns, and physical activity patterns were evaluated over 3 months. RESULTS: A total of 88 adolescents were enrolled, with 69% (61/88) being female, 36% (32/88) black, 23% (20/88) Hispanic, and 63% (55/88) with severe obesity. Most adolescents reported that the fitness tracker was helping them meet their healthy lifestyle goals (69%) and be more motivated to achieve a healthy weight (66%). Despite this, 68% discontinued use of the fitness tracker by the end of the study. There were no significant differences between the adolescent and the dyad group in outcomes, but adolescents in the dyad group were 12.2 times more likely to discontinue using their fitness tracker if their caregiver also discontinued use of their fitness tracker (95% CI 2.4-61.6). Compared with adolescents who discontinued use of the fitness tracker during the study, adolescents who continued to use the fitness tracker recorded a higher number of daily steps in months 2 and 3 of the study (mean 5760 vs 4148 in month 2, P=.005, and mean 5942 vs 3487 in month 3, P=.002). CONCLUSIONS: Despite high levels of satisfaction with the fitness trackers, fitness tracker discontinuation rates were high, especially among adolescents whose caregivers also discontinued use of their fitness tracker. More studies are needed to determine how to sustain the use of fitness trackers among adolescents with obesity and engage caregivers in adolescent weight management interventions.

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)0,006
score de la tête « metaresearch » (Gemma)0,007
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 randomisé · Signal consensuel: Essai randomisé
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,014
Score d'incertitude au seuil0,046

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,007
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0030,003
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,002
Communication savante0,0010,002
Science ouverte0,0020,001
Intégrité de la recherche0,0040,003
Charge utile insuffisante (le modèle a refusé de juger)0,0140,002

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 Opus0,195
Tête enseignante GPT0,510
Écart entre enseignants0,316 · 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 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

Citations18
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR mhealth and uhealthMême sujetMobile Health and mHealth ApplicationsTravaux en français237 207