<i>Activate Your Health</i>: impact of a real-life programme promoting healthy lifestyle habits in Canadian workers
Notice bibliographique
Résumé
The workplace has been suggested as a good setting for the promotion of healthy lifestyles. This article examines the impact of Activate Your Health programme, provided over an average of 1.35 years, on employee health and lifestyle habits (actual and intention to improve). Companies selected one of the programme's four options (number of interventions in parentheses): Control (2), Light (8), Moderate (13) and High (14). Employees (n = 524) completed an online questionnaire at baseline and post-intervention. Mixed-effect models and generalized estimating equations models were used, where appropriate. There was an interaction effect of time by option for the number of employees intending to improve sleep habits (p = 0.030): +11.0% in Light (p = 0.013). No significant interaction effect of time by option was observed for body weight, body mass index, number of health problems or lifestyle habits (actual and intention to improve). When stratified by sex, there was an interaction effect of time by option for the number of women intending to improve sleep habits (p = 0.023): -26.1% in Moderate (p = 0.014). There was an interaction effect of time by option for body weight in men (p = 0.001): -0.58 kg in High (p = 0.031) and +2.58 kg in Control (p = 0.005). Other outcomes of interest were stable or improved post-intervention, regardless of option. The Activate Your Health programme allowed employees to maintain or improve outcomes related to health and lifestyle habits. A package like High may be beneficial for body weight regulation in men.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,000 |
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.
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 ».