Examining the use of loyalty point incentives to encourage health and fitness centre participation
Notice bibliographique
Résumé
A unique financial incentive intervention was conducted in Canada, where YMCA members were offered loyalty points (Air Miles Reward Miles) to encourage visits to YMCA Health and Fitness Centres. The purpose of this evaluation study was to determine if YMCA members would participate in a loyalty point incentive program and if the weekly YMCA visit rates differed between Air Miles collectors and non-collectors. YMCA swipe data were collected from 2012 to 2016, including 12 months pre-program (baseline data), 36 months during the intervention period, and 3 months post-program. The final analyses, conducted in 2017, included 459,146 participants from 13 YMCA locations. Quasi-Poisson regression models were used to compare the weekly visit rates between Air Miles collectors and non-collectors. Of the 459,146 participants, 6.4% (n = 29,449) registered their Air Miles card with their YMCA membership (Air Miles collectors). Average weekly visit rates over the entire study period were significantly higher (1.37 to 3.84 times) among the Air Miles collector group than those in the non-collector group, but there was no evidence that incentives were associated with increased YMCA visits when adjusting for the pre-program period. This research demonstrated that incentives are a practical and acceptable public health strategy in Canada. More research is needed into how to harness the reach of loyalty point providers such as Air Miles, and how incentive-based programs should be optimally designed and delivered (e.g., type, timing, and magnitude of incentive).
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».