Evaluation and Refinement of a Bank of SMS Text Messages to Promote Behavior Change Adherence Following a Diabetes Prevention Program: Survey Study
Notice bibliographique
Résumé
BACKGROUND: SMS text messaging is a low-cost and far-reaching modality that can be used to augment existing diabetes prevention programs and improve long-term diet and exercise behavior change adherence. To date, little research has been published regarding the process of SMS text message content development. Understanding how interventions are developed is necessary to evaluate their evidence base and to guide the implementation of effective and scalable mobile health interventions in public health initiatives and in future research. OBJECTIVE: This study aims to describe the development and refinement of a bank of SMS text messages targeting diet and exercise behavior change to be implemented following a diabetes prevention program. METHODS: A bank of 124 theory-based SMS text messages was developed using the Behaviour Change Wheel and linked to active intervention components (behavior change techniques [BCTs]). The Behaviour Change Wheel is a theory-based framework that provides structure to intervention development and can guide the use of evidence-based practices in behavior change interventions. Once the messages were written, 18 individuals who either participated in a diabetes prevention program or were a diabetes prevention coach evaluated the messages on their clarity, utility, and relevance via survey using a 5-point Likert scale. Messages were refined according to participant feedback and recoded to obtain an accurate representation of BCTs in the final bank. RESULTS: 76/124 (61.3%) messages were edited, 4/124 (3.2%) were added, and 8/124 (6.5%) were removed based on participant scores and feedback. Of the edited messages, 43/76 (57%) received minor word choice and grammar alterations while retaining their original BCT code; the remaining 43% (33/76, plus the 4 newly written messages) were recoded by a reviewer trained in BCT identification. CONCLUSIONS: This study outlines the process used to develop and refine a bank of SMS text messages to be implemented following a diabetes prevention program. This resulted in a bank of 120 theory-based, user-informed SMS text messages that were overall deemed clear, useful, and relevant by both individuals who will be receiving and delivering them. This formative development process can be used as a blueprint in future SMS text messaging development to ensure that message content is representative of the evidence base and is also grounded in theory and evaluated by key knowledge users.
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 | 0,044 | 0,062 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 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 | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».