Social marketing interventions to promote physical activity among 60 years and older: a systematic review of the literature
Notice bibliographique
Résumé
Abstract Background: Falls are a significant source of morbidity in people aged 65 and over, affecting one in three people in this age group. The scientific evidence indicates that physical activity is the most effective method for preventing falls among seniors. Although public health professionals often use social marketing is to design and plan successful interventions, its use to promote physical activity and prevent falls among older people remains low. This article aims to provide a new systematic literature review of social marketing interventions promoting physical activity and targeting people aged 60 and over. Methods: Following PRISMA guidelines, we searched for relevant articles in five primary databases using predefined search and inclusion criteria. Two independent coders analysed the selected articles to identify evidence of the seven social marketing benchmark criteria, defined by experts in the field as the common elements that contribute to social marketing success. Results: The final review included twenty articles covering six interventions. Of the studies selected, two specifically targeted over 60-year-olds, whereas the others segmented the population into several age-based subcategories, including over 60-year-olds. Five interventions highlighted positive results for the participants with an increase in participation or an increase in physical activity level. None of the six interventions selected for this literature review implemented the entire social marketing approach. Conclusion: Few published interventions mobilise the seven social marketing criteria. Further research is required to encourage uptake and inclusion in successful social marketing interventions to increase program effectiveness in this target population.
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 | 0,010 | 0,036 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,005 | 0,006 |
| Bibliométrie | 0,011 | 0,009 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 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 ».