Characteristics of Adopters of an Online Social Networking Physical Activity Mobile Phone App: Cluster Analysis
Notice bibliographique
Résumé
BACKGROUND: To date, many online health behavior programs developed by researchers have not been translated at scale. To inform translational efforts, health researchers must work with marketing experts to design cost-effective marketing campaigns. It is important to understand the characteristics of end users of a given health promotion program and identify key market segments. OBJECTIVE: This study aimed to describe the characteristics of the adopters of Active Team, a gamified online social networking physical activity app, and identify potential market segments to inform future research translation efforts. METHODS: Participants (N=545) were Australian adults aged 18 to 65 years who responded to general advertisements to join a randomized controlled trial (RCT) evaluating the Active Team app. At baseline they provided demographic (age, sex, education, marital status, body mass index, location of residence, and country of birth), behavioral (sleep, assessed by the Pittsburgh Quality Sleep Index) and physical activity (assessed by the Active Australia Survey), psychographic information (health and well-being, assessed by the PERMA [Positive Emotion, Engagement, Relationships, Meaning, Achievement] Profile; depression, anxiety and stress, assessed by the Depression, Anxiety, and Stress Scale [DASS-21]; and quality of life, assessed by the 12-Item Short Form Health Survey [SF-12]). Descriptive analyses and a k-medoids cluster analysis were performed using the software R 3.3.0 (The R Foundation) to identify key characteristics of the sample. RESULTS: Cluster analyses revealed four clusters: (1) younger inactive women with poor well-being (218/545), characterized by a higher score on the DASS-21, low mental component summary score on the SF-12, and relatively young age; (2) older, active women (153/545), characterized by a lower score on DASS-21, a higher overall score on the SF-12, and relatively older age; (3) young, active but stressed men (58/545) with a higher score on DASS-21 and higher activity levels; and (4) older, low active and obese men (30/545), characterized by a high body mass index and lower activity levels. CONCLUSIONS: Understanding the characteristics of population segments attracted to a health promotion program will guide the development of cost-effective research translation campaigns. TRIAL REGISTRATION: Australian New Zealand Clinical Trial Registry ACTRN12617000113358; https://www.anzctr.org .au/Trial/Registration/TrialReview.aspx?id=371463. INTERNATIONAL REGISTERED REPORT IDENTIFIER (IRRID): RR2-10.1186/s12889-017-4882-7.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 source (Gemma direct ou Codex distillé), 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 ».