MétaCan
Menu
Retour à la cohorte
Enregistrement W3006505460 · doi:10.2196/16999

Effect of an mHealth Intervention Using a Pedometer App With Full In-Person Counseling on Body Composition of Overweight Adults: Randomized Controlled Weight Loss Trial

2020· article· en· W3006505460 sur OpenAlexvenueno aff
Alberto Hernández-Reyes, Fernando Cámara‐Martos, Rafael Molina‐Luque, Rafael Moreno Rojas

Notice bibliographique

RevueJMIR mhealth and uhealth · 2020
Typearticle
Langueen
DomaineMedicine
ThématiquePhysical Activity and Health
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPedometerOverweightmHealthMedicinePhysical therapyRandomized controlled trialBody mass indexWeight lossObesityIntervention (counseling)Medical prescriptionPhysical activityPsychological interventionInternal medicineNursing

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: In clinical practice, it is difficult to convey the benefits of sustained physical activity to adult patients with excess weight or obesity. For this purpose, a goal-setting walking prescription may be an effective strategy. OBJECTIVE: This study aimed to determine the efficacy of the intervention of a pedometer app in setting a goal to reach 10,000 steps per day in adults. METHODS: Overweight adults (n=98; mean body mass index 32.53 [SD 4.92] kg/m2) were randomized to one of two conditions (control or intervention). Both groups downloaded a pedometer app that recorded their daily step counts and were given a daily walking goal of 10,000 steps. Subjects participated in a 24-week in-person behavioral weight control program and were asked to monitor their daily levels using the pedometer app. Baseline data were recorded and followed up weekly. Only the intervention group had structured information delivery, a personalized physical activity prescription, and follow-up on number of steps per day. RESULTS: The results show that regardless of sex or age, prescribing walking increased the number of steps per day by 4806 step on average (standardized β coefficient=-0.813, SE=427.586, t=-11.242, P<.001). CONCLUSIONS: These results could have implications for improving self-monitoring in overweight adults during periods of weight loss. Health professionals should analyze the implementation of tools that permit them to prescribe, follow up, and encourage the achievement of a goal of physical activity in overweight or obese patients. TRIAL REGISTRATION: ClinicalTrials.gov NCT03845478; https://clinicaltrials.gov/ct2/show/NCT03845478.

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)0,002
score de la tête « metaresearch » (Gemma)0,004
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 randomisé · Signal consensuel: Essai randomisé
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,028

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,004
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0040,003
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0030,003
Charge utile insuffisante (le modèle a refusé de juger)0,0080,001

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 Opus0,028
Tête enseignante GPT0,365
Écart entre enseignants0,337 · 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 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

Citations17
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR mhealth and uhealthMême sujetPhysical Activity and HealthTravaux en français237 207