Behavior Change Techniques Incorporated in Fitness Trackers: Content Analysis
Notice bibliographique
Résumé
BACKGROUND: The use of fitness trackers as tools of self-management to promote physical activity is increasing. However, the content of fitness trackers remains unexplored. OBJECTIVE: The aim of this study was to use the Behavior Change Technique Taxonomy v1 (BCTTv1) to examine if swim-proof fitness trackers below Aus $150 (US$ 105) incorporate behavior change techniques (BCTs) that relate to self-management strategies to increase physical activity and reduce sedentary behavior and to determine if content of the fitness trackers correspond to physical activity guidelines. METHODS: A total of two raters used the BCTTv1 to code 6 fitness trackers that met the inclusion criteria. The inclusion criteria were the ability to track activity, be swim proof, be compatible with Android and Apple operating systems, and cost below Aus $150. RESULTS: All fitness trackers contained BCTs known to promote physical activity, with the most frequently used BCTs overlapping with self-management strategies, including goal setting, self-monitoring, and feedback on behavior. Fitbit Flex 2 (Fitbit Inc) contained the most BCTs at 20. Huawei Band 2 Pro (Huawei Technologies) and Misfit Shine 2 (Fossil Group) contained the least BCTs at 11. CONCLUSIONS: Fitness trackers contain evidence-based BCTs that overlap with self-management strategies, which have been shown to increase physical activity and reduce sedentary behavior. Fitness trackers offer the prospect for physical activity interventions that are cost-effective and easily accessed by a wide population.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| 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 ».