Financial incentives for physical activity in adults: systematic review and meta-analysis
Notice bibliographique
Résumé
OBJECTIVE: The use of financial incentives to promote physical activity (PA) has grown in popularity due in part to technological advances that make it easier to track and reward PA. The purpose of this study was to update the evidence on the effects of incentives on PA in adults. DATA SOURCES: Medline, PubMed, Embase, PsychINFO, CCTR, CINAHL and COCH. ELIGIBILITY CRITERIA: Randomised controlled trials (RCT) published between 2012 and May 2018 examining the impact of incentives on PA. DESIGN: A simple count of studies with positive and null effects ('vote counting') was conducted. Random-effects meta-analyses were also undertaken for studies reporting steps per day for intervention and post-intervention periods. RESULTS: 23 studies involving 6074 participants were included (64.42% female, mean age = 41.20 years). 20 out of 22 studies reported positive intervention effects and four out of 18 reported post-intervention (after incentives withdrawn) benefits. Among the 12 of 23 studies included in the meta-analysis, incentives were associated with increased mean daily step counts during the intervention period (pooled mean difference (MD), 607.1; 95% CI: 422.1 to 792.1). Among the nine of 12 studies with post-intervention daily step count data incentives were associated with increased mean daily step counts (pooled MD, 513.8; 95% CI:312.7 to 714.9). CONCLUSION: after incentives were removed, though post-intervention 'vote counting' and pooled results did not align. Nonetheless, and contrary to what has been previously reported, these findings suggest a short-term incentive 'dose' may promote sustained PA.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,023 | 0,003 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».