Investigating Microtemporal Processes Underlying Health Behavior Adoption and Maintenance: Protocol for an Intensive Longitudinal Observational Study
Notice bibliographique
Résumé
BACKGROUND: Young adulthood (ages 18-29 years) is marked by substantial weight gain, leading to increased lifetime risks of chronic diseases. Engaging in sufficient levels of physical activity and sleep, and limiting sedentary time are important contributors to the prevention of weight gain. Dual-process models of decision-making and behavior that delineate reflective (ie, deliberative, slow) and reactive (ie, automatic, fast) processes shed light on different mechanisms underlying the adoption versus maintenance of these energy-balance behaviors. However, reflective and reactive processes may unfold at different time scales and vary across people. OBJECTIVE: This paper describes the study design, recruitment, and data collection procedures for the Temporal Influences on Movement and Exercise (TIME) study, a 12-month intensive longitudinal data collection study to examine real-time microtemporal influences underlying the adoption and maintenance of physical activity, sedentary behavior, and sleep. METHODS: Intermittent ecological momentary assessment (eg, intentions, self-control) and continuous, sensor-based passive monitoring (eg, location, phone/app use, activity levels) occur using smartwatches and smartphones. Data analyses will combine idiographic (person-specific, data-driven) and nomothetic (generalizable, theory-driven) approaches to build models that may predict within-subject variation in the likelihood of behavior "episodes" (eg, ≥10 minutes of physical activity, ≥120 minutes of sedentary time, ≥7 hours sleep) and "lapses" (ie, not attaining recommended levels for ≥7 days) as a function of reflective and reactive factors. RESULTS: The study recruited young adults across the United States (N=246). Rolling recruitment began in March 2020 and ended August 2021. Data collection will continue until August 2022. CONCLUSIONS: Results from the TIME study will be used to build more predictive health behavior theories, and inform personalized behavior interventions to reduce obesity and improve public health. INTERNATIONAL REGISTERED REPORT IDENTIFIER (IRRID): DERR1-10.2196/36666.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,002 | 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 ».