A combined health action process approach and mHealth intervention to reduce sedentary behaviour in university students – a randomized controlled trial
Notice bibliographique
Résumé
Objective: This investigation evaluated the effectiveness of a Health Action Process Approach (HAPA) based planning intervention augmented with text messages to reduce student-related sitting time (primary outcome) and increase specific non-sedentary behaviours. Relationships between the HAPA volitional constructs and sedentary and non-sedentary behaviours were also explored. Design: University students (Mage = 21.13 y; SD = 4.81) were randomized into either a HAPA intervention (n = 28) or control (n = 33) condition. Main Outcome Measures: School-related sitting time, time spent in specific non-sedentary behaviours and HAPA volitional constructs were assessed at baseline, weeks 2, 4, 6 (post-intervention) and 8 (follow-up). Results: Significant group by time interaction effects favouring the intervention group were found for sitting time (p = 0.004, ɳp2 = 0.10), walking time (p = 0.021, ɳp2 = 0.06) and stretching time (p = 0.023, ɳp2 = 0.08), as well as for action planning (p < 0.001, ɳp2 = 0.17), coping planning (p < 0.001, ɳp2 = 0.20) and action control (p < 0.001, ɳp2 = 0.20). Significant correlations (p < 0.05) were also found between the HAPA constructs and sitting-related outcomes. Conclusions: Combining a HAPA-based planning intervention with text messages can reduce student-related sitting time in university students.Supplemental data for this article is available online at https://doi.org/10.1080/08870446.2021.1900574 .
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 | 0,003 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 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 ».