An Evaluation of a Commercialized mHealth Intervention to Promote Physical Activity in the Workplace
Notice bibliographique
Résumé
Background UPnGO with ParticipACTION (UPnGO) was a commercialized 12-month workplace physical activity intervention, aimed at encouraging employees to sit less and move more at work. Its design took advantage of the ubiquitous nature of mobile fitness trackers and aimed to be implemented in any office-based workplace in Canada. The program was available at cost from June 2017 to April 2020. The objectives of this study are to evaluate the program and identify key lessons from the commercialization of UPnGO. Methods Using a quasi-experimental design over 3 time points: baseline, 6 months, 12 months, five evaluation indicators were measured as guided by the RE-AIM framework. Reach was defined as the number and percentage of employees who registered for UPnGO and the number and percentage of sedentary participants registered. Effectiveness was assessed through average daily step count. Adoption was determined by workplace champion and senior leadership responses to the off-platform survey. Implementation was assessed as the percentage of participants who engaged with specific program elements at the 3-evaluation time points. Maintenance was assessed by the number of companies who renewed their contracts for UPnGO. Results Reach across 17 organizations, 1980 employees participated in UPnGO, with 27% of participants identified as sedentary at baseline. Effectiveness Daily step count declined from 7,116 ± 3,558 steps at baseline to 6,969 ± 6,702 (p = <0.001) at 12 months. Adoption Workplace champion and senior leadership engagement declined from 189 to 21 and 106 to 5 from baseline to 12 months, respectively. Maintenance Two companies renewed their contracts beyond the first year. Conclusions The commercialization of UPnGO was an ambitious initiative that met with limited success; however, some key lessons can be generated from the attempt. The workplace remains an important environment for PA interventions but effective mHealth PA programs may be difficult to implement and sustain long-term.
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 | 0,005 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».