MétaCan
Menu
Retour à la cohorte
Enregistrement W4205195164 · doi:10.2196/33082

Text Messages and Financial Incentives to Increase Physical Activity in Adolescents With Prediabetes and Type 2 Diabetes: Web-Based Group Interviews to Inform Intervention Design

2021· article· en· W4205195164 sur OpenAlexvenueno aff
Mary Ellen Vajravelu, Talia A. Hitt, NaDea Mak, Aliya Edwards, Jonathan A. Mitchell, Lisa A. Schwartz, Andrea Kelly, Sandra Amaral

Notice bibliographique

RevueJMIR Diabetes · 2021
Typearticle
Langueen
DomaineHealth Professions
ThématiqueMobile Health and mHealth Applications
Établissements canadiensnon disponible
Organismes subventionnairesEunice Kennedy Shriver National Institute of Child Health and Human DevelopmentNational Institute of Diabetes and Digestive and Kidney DiseasesNational Institutes of Health
Mots-clésPrediabetesType 2 diabetesOverweightIncentivePopulationPsychologyMedicineIntervention (counseling)Framing (construction)ObesityNursingDiabetes mellitusInternal medicineEnvironmental health

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Physical activity is a major component of treatment for adolescents with obesity and prediabetes or type 2 diabetes; however, sedentary behavior remains pervasive. An SMS text message-based intervention paired with financial incentives may be an effective way to promote physical activity in this population. OBJECTIVE: This study aims to obtain end-user feedback on SMS text message content and assess the acceptability of a planned SMS text messaging intervention with financial incentives to motivate youth with prediabetes or type 2 diabetes to increase physical activity. METHODS: Adolescents with overweight or obesity and prediabetes or type 2 diabetes who attended a large academic pediatric endocrinology clinic were recruited to participate in group interviews (2-4/group) via videoconferencing. Participants were asked to share their thoughts on the use of SMS text messages and financial incentives to remind and motivate them to be more physically active. They rated and provided feedback on specific messages to be used in clinical trials. Participants were also asked about their personal experience with rewards to motivate behavior change and their anticipated reactions to rewards provided for goal attainment (gain-framing) versus those provided and then taken away if a goal was not met (loss-framing). The interviews were conducted by 2 trained interviewers and a note-taker. Content analysis was used to explore themes. RESULTS: (all >95th percentile for age and sex). Most participants were non-Hispanic Black (14/20, 70%) and 10% (2/20) were Hispanics. Participants frequently cited near-continuous smartphone use and agreed that SMS text messages would serve as good reminders to be physically active, but the consensus about the need for short messages was strong. Favorable content included references to what they were likely to be doing when messages were sent (eg, homework or watching television) and messages that were upbeat or informative. Specific physical activity suggestions were rated favorably. Attitudes toward financial incentives varied, with differing opinions about whether loss-framed incentives would be motivating or discouraging. Many participants highlighted the role of intrinsic, rather than extrinsic, motivation in achieving and sustaining behavior change. CONCLUSIONS: The engagement of adolescents with obesity and diabetes or prediabetes allowed for the refinement of SMS text messages for our planned intervention, with an emphasis on short, upbeat, relatable, and informative messages. Although an SMS text messaging intervention using financial incentives to motivate youth with prediabetes or type 2 diabetes to be more physically active is theoretically acceptable, the impact on actual activity levels in this population requires prospective evaluation in a clinical trial.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,207
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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 Opus0,029
Tête enseignante GPT0,369
Écart entre enseignants0,341 · 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 tête enseignante, pas un consensus.

Devis d'étudeObservationnel
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

Citations7
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR DiabetesMême sujetMobile Health and mHealth ApplicationsTravaux en français237 207