Using Fitbit as an mHealth Intervention Tool to Promote Physical Activity: Potential Challenges and Solutions
Notice bibliographique
Résumé
Consumer-based physical activity (PA) trackers, also known as wearables, are increasingly being used in research studies as intervention or measurement tools. One of the most popular and widely used brands of PA trackers is Fitbit. Since the release of the first Fitbit in 2009, hundreds of experimental studies have used Fitbit devices to facilitate PA self-monitoring and behavior change via goal setting and feedback tools. Fitbit's ability to capture large volumes of PA and physiological data in real time creates enormous opportunities for researchers. At the same time, however, it introduces a number of challenges (eg, technological, operational, logistical), most of which are not sufficiently described in study publications. Currently, there are no technical reports, guidelines, nor other types of publications discussing some of these challenges and offering guidance to researchers on how to best incorporate Fitbit devices in their study design and intervention to achieve their research goals. As a result, researchers are often left alone to discover and address some of these issues during the study through "trial and error." This paper aims to address this gap. Drawing on our cumulative experience of conducting multiple studies with various Fitbit PA trackers over the years, we present and discuss various key challenges associated with the use of Fitbit PA trackers in research studies. Difficulties with the use of Fitbit PA trackers are encountered throughout the entire research process. Challenges and solutions are categorized in 4 main categories: study preparation, intervention delivery, data collection and analysis, and study closeout. Subsequently, we describe a number of empirically tested strategies used in 4 of our interventional studies involving participants from a broad range of demographic characteristics, racial/ethnic backgrounds, and literacy levels. Researchers should be prepared to address challenges and issues in a timely fashion to ensure that the Fitbit effectively assists participants and researchers in achieving research and outcome goals.
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 | 0,000 |
| 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 | 0,003 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 ».