MétaCan
Menu
Retour à la cohorte
Enregistrement W3195611505 · doi:10.1186/s12966-021-01182-z

A modified Delphi study to enhance and gain international consensus on the Physical Activity Messaging Framework (PAMF) and Checklist (PAMC)

2021· article· en· W3195611505 sur OpenAlexaff
Chloë Williamson, Paul Kelly, Jennifer R. Tomasone, Adrian Bauman, Nanette Mutrie, Ailsa Niven, Justin Richards, Graham Baker

Notice bibliographique

RevueInternational Journal of Behavioral Nutrition and Physical Activity · 2021
Typearticle
Langueen
DomaineHealth Professions
ThématiqueMobile Health and mHealth Applications
Établissements canadiensQueen's University
Organismes subventionnairesnon disponible
Mots-clésChecklistDelphi methodDelphiExpert opinionGovernment (linguistics)Best practiceMedical educationPsychologyKnowledge managementMedicineComputer sciencePolitical science

Résumé

récupéré en direct d'OpenAlex

INTRODUCTION: Physical activity messaging is an important step in the pathway towards improving population physical activity levels, but best practice is not yet understood. A gap in the literature exists for a physical activity messaging framework to help guide creation and evaluation of messages. This study aimed to further develop and improve, and gain international expert consensus on, a standardised Physical Activity Messaging Framework and Checklist. METHODS: A modified Delphi study consisting of three online survey rounds was conducted. Each survey gathered feedback from an international expert panel using quantitative and qualitative methods. The framework and checklist were amended between each round based on survey results until consensus (defined a priori as 80% agreement) was reached. RESULTS: The final expert panel (n = 40, 55% female) came from nine countries and comprised academics (55%), healthcare and other professionals (22.5%) and government officials or policymakers (22.5%). Consensus was reached in survey 3 with 85 and 87.5% agreement on the framework and checklist, respectively. CONCLUSION: This study presents an expert- and evidence-informed framework and checklist for physical activity messaging. If used consistently, the Physical Activity Messaging Framework and Checklist may improve practice by encouraging evidence-based and target audience-focused messages, as well as enhance the research base on physical activity messaging by harmonising key terminologies and improving quality of reporting. Key next steps include further refining the Physical Activity Messaging Framework and Checklist based on their use in real-world settings.

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)0,110
score de la tête « metaresearch » (Gemma)0,107
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,110
Score d'incertitude au seuil0,581

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,1100,107
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0050,004
Études des sciences et des technologies0,0050,004
Communication savante0,0030,004
Science ouverte0,0030,008
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0150,003

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 Opus0,086
Tête enseignante GPT0,491
Écart entre enseignants0,405 · 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'étudeQualitatif
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

Citations23
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Behavioral Nutrition and Physical ActivityMême sujetMobile Health and mHealth ApplicationsTravaux en français237 207