Commercial app use linked with sustained physical activity in two Canadian provinces: a 12-month quasi-experimental study
Notice bibliographique
Résumé
BACKGROUND: Top tier commercial physical activity apps rarely undergo peer-reviewed evaluation. Even fewer are assessed beyond six months, the theoretical threshold for behaviour maintenance. The purpose of this study was to examine whether a multi-component commercial app rewarding users with digital incentives for walking was associated with an increase in physical activity over one year. METHODS: This 12-month quasi-experimental study was conducted in two Canadian provinces (n = 39,113 participants). Following a two-week baseline period, participants earned digital incentives ($0.04 CAD/day) every day they reached a personalized daily step goal. Mixed-effects models estimated changes in weekly mean daily step count between the baseline period and the last two recorded weeks. Models were fit for several engagement groups and separately by baseline physical activity status within engagement groups. RESULTS: Nearly half of participants (43%) were categorized as physically inactive at baseline (fewer than 5000 daily steps), and 60% engaged with the app for at least six months ['Regular' (24-51 weeks of step data) or 'Committed' sub-groups (52 weeks)]. Weekly mean daily step count increased for physically inactive users regardless of engagement status (P < .0001). The increase was largest for 'Regular' and 'Committed' participants-1215 and 1821 steps/day, respectively. For physically active participants, step count increases were only observed in the 'Committed' sub-group (P < .0001). Effect sizes were modest-to-medium depending on the sub-group analyzed. CONCLUSIONS: A commercial app providing small but immediate digital incentives for individualized goals was associated with an increased weekly mean daily step count on a population-scale over one year. This effect was more evident for physically inactive and more engaged participants.
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 | 0,004 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,009 | 0,003 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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.
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 ».