A Cardiovascular Health and Wellness Mobile Health Intervention Among Church-Going African Americans: Formative Evaluation of the FAITH! App
Notice bibliographique
Résumé
BACKGROUND: In light of the scarcity of culturally tailored mobile health (mHealth) lifestyle interventions for African Americans, we designed and pilot tested the Fostering African-American Improvement in Total Health (FAITH!) App in a community-based participatory research partnership with African American churches to promote cardiovascular health and wellness in this population. OBJECTIVE: This report presents the results of a formative evaluation of the FAITH! App from participants in an intervention pilot study. METHODS: We included 2 semistructured focus groups (n=4 and n=5) to explore participants' views on app functionality, utility, and satisfaction as well as its impact on healthy lifestyle change. Sessions were audio-recorded and transcribed verbatim, and qualitative data were analyzed by using general inductive analysis to generate themes. RESULTS: In total, 6 overarching themes emerged among the 9 participants: overall impression, content usefulness, formatting, implementation, impact, and suggestions for improvement. Underpinning the themes was a high level of agreement that the intervention facilitated healthy behavioral change through cultural tailoring, multimedia education modules, and social networking. Suggestions for improvement were streamlining the app self-monitoring features, prompts to encourage app use, and personalization based on individuals' cardiovascular risk. CONCLUSIONS: This formative evaluation found that the FAITH! App had high reported satisfaction and impact on the health-promoting behaviors of African Americans, thereby improving their overall cardiovascular health. Further development and testing of the app among African Americans is warranted. TRIAL REGISTRATION: ClinicalTrials.gov NCT03084822; https://clinicaltrials.gov/ct2/show/NCT03084822.
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 | 0,026 | 0,039 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».