Promoting Men’s Health With the “Don’t Change Much” e-Program
Notice bibliographique
Résumé
Men’s e-health promotion programs can offer end-user anonymity and autonomy that provide avenues for supporting positive health behavior change. The twofold purpose of the current study was to use a benchmark cohort as a reference group to: (1) describe associations between men’s usage levels of the e-health program Don’t Change Much (DCM) and their recent and intended health behavior changes, and (2) report an exploratory analysis of the moderating effects of demographic variables on the associations between DCM users and their recent and intended health behavior changes. Based on self-report, DCM users were classified into limited ( n = 613, 34.7%), low ( n = 826, 46.8%), and high ( n = 327, 18.5%) exposure groups. Compared with the benchmark cohort, DCM high-exposure respondents had significantly increased odds for eight of the nine recent behavior changes, with the largest effect size observed for “Made an effort to sit less and walk more” (odds ratio [OR] 2.996, 95% CI [2.347, 3.826]). Eight of the nine intended health behavior changes in the DCM high-exposure group had significantly increased odds compared to the benchmark cohort, with “Reduce stress level” (OR 3.428, 95% CI [2.643, 4.447]) having the largest effect size. Significantly greater total numbers of recent ( F(12, 2850) = 29.32; p = .001; R 2 = .086) and intended health behavior changes ( F(12, 2850) = 34.59; p = .001; R 2 = 0.100) were observed among high exposure respondents while adjusting for demographics. Younger age, being employed, and household income <$120,000 had an enhancing moderator effect on DCM users’ number of intended behavior changes.
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 | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».