MétaCan
Menu
Retour à la cohorte
Enregistrement W3162093745 · doi:10.1093/tbm/ibab058

Using the behavior change wheel to develop text messages to promote diet and physical activity adherence following a diabetes prevention program

2021· article· en· W3162093745 sur OpenAlexafffund
Megan MacPherson, Kaela Cranston, Sean Locke, Jessica E. Bourne, Mary E. Jung

Notice bibliographique

RevueTranslational Behavioral Medicine · 2021
Typearticle
Langueen
DomaineHealth Professions
ThématiqueMobile Health and mHealth Applications
Établissements canadiensBrock UniversityUniversity of British Columbia, Okanagan CampusUniversity of British Columbia
Organismes subventionnairesCanadian Institutes of Health ResearchMichael Smith Health Research BC
Mots-clésHealth psychologyDiabetes mellitusBehavior changePhysical activityBehavioral medicinePsychologyWheel runningHealth behaviorMedicineGerontologyClinical psychologyPublic healthApplied psychologyPhysical therapySocial psychologyEnvironmental healthNursingEndocrinology

Résumé

récupéré en direct d'OpenAlex

Improving diet and physical activity (PA) can reduce the risk of developing type 2 diabetes (T2D); however, long-term diet and PA adherence is poor. To impact population-level T2D risk, scalable interventions facilitating behavior change adherence are needed. Text messaging interventions supplementing behavior change interventions can positively influence health behaviors including diet and PA. The Behavior Change Wheel (BCW) provides structure to intervention design and has been used extensively in health behavior change interventions. Describe the development process of a bank of text messages targeting dietary and PA adherence following a diabetes prevention program using the BCW. The BCW was used to select the target behavior, barriers and facilitators to engaging in the behavior, and associated behavior change techniques (BCTs). Messages were written to map onto BCTs and were subsequently coded for BCT fidelity. The target behaviors were adherence to diet and PA recommendations. A total of 16 barriers/facilitators and 28 BCTs were selected for inclusion in the messages. One hundred and twenty-four messages were written based on selected BCTs. Following the fidelity check a total of 43 unique BCTs were present in the final bank of messages. This study demonstrates the application of the BCW to guide the development of a bank of text messages for individuals with prediabetes. Results underscore the potential utility of having independent coders for an unbiased expert evaluation of what active components are in use. Future research is needed to demonstrate the feasibility and effectiveness of resulting bank of messages.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,005
score de la tête « metaresearch » (Gemma)0,011
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Essai non randomisé · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,029

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,011
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,000
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0090,004

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.

Tête enseignante Opus0,278
Tête enseignante GPT0,539
Écart entre enseignants0,260 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeEssai non randomisé
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations32
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueTranslational Behavioral MedicineMême sujetMobile Health and mHealth ApplicationsTravaux en français237 207