The Effect of Wearable Tracking Devices on Cardiorespiratory Fitness Among Inactive Adults: Crossover Study
Notice bibliographique
Résumé
BACKGROUND: Modern lifestyle is associated with a high prevalence of physical inactivity. OBJECTIVE: This study aims to investigate the effect of a wearable tracking device on cardiorespiratory fitness among inactive adults and to explore if personal characteristics and health outcomes can predict adoption of the device. METHODS: In total, 62 inactive adults were recruited for this study. A control period (4 weeks) was followed by an intervention period (8 weeks) where participants were instructed to register and follow their physical activity (PA) behavior on a wrist-worn tracking device. Data collected included estimated cardiorespiratory fitness, body composition, blood pressure, perceived stress levels, and self-reported adoption of using the tracking device. RESULTS: In total, 50 participants completed the study (mean age 48, SD 13 years, 84% women). Relative to the control period, participants increased cardiorespiratory fitness by 1.52 mL/kg/minute (95% CI 0.82-2.22; P<.001), self-reported PA by 140 minutes per week (95% CI 93.3-187.1; P<.001), daily step count by 982 (95% CI 492-1471; P<.001), and participants' fat percentage decreased by 0.48% (95% CI -0.84 to -0.13; P=.009). No difference was observed in blood pressure (systolic: 95% CI -2.16 to 3.57, P=.63; diastolic: 95% CI -0.70 to 2.55; P=.27) or perceived stress (95% CI -0.86 to 1.78; P=.49). No associations were found between adoption of the wearable tracking device and age, gender, personality, or education. However, participants with a low perceived stress at baseline were more likely to rate the use of a wearable tracking device highly motivating. CONCLUSIONS: Tracking health behavior using a wearable tracking device increases PA resulting in an improved cardiorespiratory fitness among inactive adults.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».