MétaCan
Menu
← Retour à la cohorte
Enregistrement W2912331643 · doi:10.2196/11603

Factors Influencing Exercise Engagement When Using Activity Trackers: Nonrandomized Pilot Study

2019· article· en· W2912331643 sur OpenAlexvenueno aff
Amanda Centi, M. Atif, Sara Golas, Ramin Mohammadi, Sagar Kamarthi, Stephen Agboola, Joseph C. Kvedar, Kamal Jethwani

Notice bibliographique

RevueJMIR mhealth and uhealth · 2019
Typearticle
Langueen
DomaineMedicine
ThématiquePhysical Activity and Health
Établissements canadiensnon disponible
Organismes subventionnairesRobert Wood Johnson Foundation
Mots-clésActivity trackerBitTorrent trackerPhysical activityPsychologyTracking (education)Applied psychologyInfluencer marketingPhysical medicine and rehabilitationMedicineComputer scienceEye tracking

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: It is well reported that tracking physical activity can lead to sustained exercise routines, which can decrease disease risk. However, most stop using trackers within a couple months of initial use. The reasons people stop using activity trackers can be varied and personal. Understanding the reasons for discontinued use could lead to greater acceptance of tracking and more regular exercise engagement. OBJECTIVE: The aim of this study was to determine the individualistic reasons for nonengagement with activity trackers. METHODS: Overweight and obese participants (n=30) were enrolled and allowed to choose an activity tracker of their choice to use for 9 weeks. Questionnaires were administered at the beginning and end of the study to collect data on their technology use, as well as social, physiological, and psychological attributes that may influence tracker use. Closeout interviews were also conducted to further identify individual influencers and attributes. In addition, daily steps were collected from the activity tracker. RESULTS: The results of the study indicate that participants typically valued the knowledge of their activity level the activity tracker provided, but it was not a sufficient motivator to overcome personal barriers to maintain or increase exercise engagement. Participants identified as extrinsically motivated were more influenced by wearing an activity tracker than those who were intrinsically motivated. During the study, participants who reported either owning multiple technology devices or knowing someone who used multiple devices were more likely to remain engaged with their activity tracker. CONCLUSIONS: This study lays the foundation for developing a smart app that could promote individual engagement with activity trackers.

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)0,004
score de la tête « metaresearch » (Gemma)0,003
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,022

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,003
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 savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,206
Tête enseignante GPT0,422
Écart entre enseignants0,216 · 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

Citations7
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR mhealth and uhealth→Même sujetPhysical Activity and Health→Travaux en français237 207→