MétaCan
Menu
← Retour à la cohorte
Enregistrement W4281677444 · doi:10.21203/rs.3.rs-1673528/v1

Implementing an Activity Tracker to Increase Motivation for Physical Activity in Diabetic Patients in Primary Care: a SWOT Analysis

2022· preprint· en· W4281677444 sur OpenAlexafffundabout
Cynthia Pelletier, Marie‐Pierre Gagnon, Christian Chabot, Caroline Rhéaume

Notice bibliographique

RevueResearch Square · 2022
Typepreprint
Langueen
DomaineHealth Professions
ThématiqueMobile Health and mHealth Applications
Établissements canadiensCentres Intégré Universitaires de Santé et de Services SociauxUniversité Laval
Organismes subventionnairesInstitut universitaire de cardiologie et de pneumologie de Québec, Université Laval
Mots-clésSWOT analysisThematic analysisActivity trackerPsychologyApplied psychologyStrengths and weaknessesMedical educationPsychological interventionQualitative analysisPrimary careQualitative researchPhysical activityMedicineNursingFamily medicinePhysical therapyBusinessSocial psychologyMarketingSociology

Résumé

récupéré en direct d'OpenAlex

Abstract Objectives: To explore the feasibility of implementing an activity tracker to increase motivation for physical activity among patients with type 2 diabetes in primary care setting, and to assess patient satisfaction with this technology.Design: Mixed methods study using a satisfaction and acceptability questionnaire on an activity tracker (participants) and a questionnaire based on the SWOT (strengths, weaknesses, opportunities, and threats) analysis elements (team).Setting: Academic Primary Health Centre in Quebec City, Canada.Participants: 15 participants with type 2 diabetes who took part in the intervention group, and 7 members of the research team and health professionals who contributed to this project.Methods: Quantitative variables were expressed as mean ± standard deviation (SD). Qualitative variables from selected answers were reported in frequency tabs. Qualitative variables from open questions were synthesized in a matrix and ranked according to apparition frequency and global importance. A thematic analysis was performed by the first author and validated by two coauthors separately. The information gathered was triangulated to propose recommendations that were then approved by the team. Both quantitative and qualitative results were combined for recommendations.Main findings: In total, 86% of the participants were satisfied with their activity tracker use, and 79% did with the technical support provided by the team. The main strengths of the team members’ perspective were the study design, the team, and the device. The weaknesses were the budgetary constraints, the turnover, and the technical issues. The opportunities were the primary care setting and the common technology. The threats were the recruitment, the administrative challenges, and the technological difficulties.Conclusion: Patients with type 2 diabetes were satisfied with their activity tracker used to improve motivation for physical activity. Research team members agreed that implementation can be done in primary care, but some challenges remain for using this tool in clinical practice regularly.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,015
score de la tête « metaresearch » (Gemma)0,028
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,015
Score d'incertitude au seuil0,079

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0150,028
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0040,005
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,126
Tête enseignante GPT0,537
Écart entre enseignants0,411 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2022
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueResearch Square→Même sujetMobile Health and mHealth Applications→Travaux en français237 207→