MétaCan
Menu
← Retour à la cohorte
Enregistrement W3208634531 · doi:10.2196/32441

Using Interactive Text Messaging to Improve Diet Quality and Increase Redemption of Foods Approved by the Special Supplemental Nutrition Program for Women, Infants, and Children: Protocol for a Cohort Feasibility Study

2021· article· en· W3208634531 sur OpenAlexvenueno aff
Melissa C. Kay, Nour M. Hammad, Sharon J. Herring, Gary G. Bennett

Notice bibliographique

RevueJMIR Research Protocols · 2021
Typearticle
Langueen
DomaineHealth Professions
ThématiqueFood Security and Health in Diverse Populations
Établissements canadiensnon disponible
Organismes subventionnairesNational Institute on Minority Health and Health DisparitiesNational Institute of Diabetes and Digestive and Kidney DiseasesNational Heart, Lung, and Blood Institute
Mots-clésPsychological interventionMedicineObservational studyDescriptive statisticsEnvironmental healthThematic analysisProtocol (science)CohortIntervention (counseling)Quality (philosophy)Family medicineCohort studyQualitative researchNursingAlternative medicine

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Children in the United States eat too few fruits, vegetables, and whole grains and too many energy-dense foods; these dietary behaviors are associated with increased risk of obesity. Maternal diet plays a key role in shaping children's diets; however, many mothers have poor diet quality, especially those living in low-income households. The Special Supplemental Nutrition Program for Women, Infants, and Children (WIC) is a federal nutrition assistance program that provides mothers and children with nutrient-dense foods, and those who participate have better diet quality. However, many mothers do not redeem all their WIC-approved foods. Thus, there is a need to create effective interventions to improve diet quality, especially among low-income children and families. OBJECTIVE: This paper aims to describe the development and protocol for a study to evaluate the feasibility, satisfaction, and preliminary efficacy of a fully automated text messaging intervention as a strategy to improve maternal diet quality and the redemption of WIC-approved foods. METHODS: We describe the use of the framework developed for the description of nonrandomized feasibility studies. Using an observational, prospective cohort study design, we will recruit mothers enrolled in WIC with a child aged ≤2 years. Participants will receive automated SMS text messages aimed at improving the redemption of WIC-approved foods to improve the participants' diet quality for 12 weeks. All outcome measures will be analyzed using descriptive and inferential statistics. Qualitative data will be analyzed using thematic analysis. RESULTS: Data collection for this study began in March 2021. We expect the study results to be available within 9 months of study commencement. The results will shed light on the feasibility, acceptability, and effectiveness of using automated text messages as a behavior change strategy for mothers enrolled in WIC. CONCLUSIONS: The results of this pilot study will explore whether this digital behavioral intervention, which will deliver nutrition guidance in accordance with the Dietary Guidelines for Americans using interactive self-monitoring and feedback, is feasible and acceptable. This will lay the foundation for a larger evaluation to determine efficacy for improving diet quality in those most at risk for obesity. TRIAL REGISTRATION: ClinicalTrials.gov NCT04098016; https://clinicaltrials.gov/ct2/show/NCT04098016. INTERNATIONAL REGISTERED REPORT IDENTIFIER (IRRID): DERR1-10.2196/32441.

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)0,058
score de la tête « metaresearch » (Gemma)0,038
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Protocole · Signal consensuel: Protocole
Score de désaccord entre enseignants0,058
Score d'incertitude au seuil0,309

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0580,038
Méta-épidémiologie (sens strict)0,0030,003
Méta-épidémiologie (sens large)0,0030,003
Bibliométrie0,0030,002
Études des sciences et des technologies0,0050,002
Communication savante0,0020,003
Science ouverte0,0030,003
Intégrité de la recherche0,0040,006
Charge utile insuffisante (le modèle a refusé de juger)0,0360,008

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 Opus0,512
Tête enseignante GPT0,682
Écart entre enseignants0,170 · 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'étudeObservationnel
Domainenon disponible
GenreProtocole

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

En bref

Citations2
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR Research Protocols→Même sujetFood Security and Health in Diverse Populations→Travaux en français237 207→