Continuous-Time Modeling of the Bidirectional Relationship Between Incidental Affect and Physical Activity
Notice bibliographique
Résumé
BACKGROUND: Previous research suggests that there is a bidirectional relationship between incidental affect (i.e., how people feel in day-to-day life) and physical activity behavior. However, many inconsistencies exist in the body of work due to the lag interval between affect and physical activity measurements. PURPOSE: Using a novel continuous-time analysis paradigm, we examined the temporal specificity underlying the dynamic relationship between positive and negative incidental affective states and moderate-to-vigorous physical activity (MVPA). METHODS: A community sample of adults (n = 126, Mage = 27.71, 51.6% Male) completed a 14-day ambulatory assessment protocol measuring momentary positive and negative incidental affect six times a day while wearing a physical activity monitor (Fitbit). Hierarchical Bayesian continuous-time structural equation modeling was used to elucidate the underlying dynamics of the relationship between incidental affective states and MVPA. RESULTS: Based on the continuous-time cross-effects, positive and negative incidental affect predicted subsequent MVPA. Furthermore, engaging in MVPA predicted subsequent positive and negative incidental affect. Incidental affective states had a greater relative influence on predicting subsequent MVPA compared to the reciprocal relationship. Analysis of the discrete-time coefficients suggests that cross-lagged effects increase as the time interval between measurements increase, peaking at about 8 h between measurement occasions before beginning to dissipate. CONCLUSIONS: The results provide support for a recursive relationship between incidental affective states and MVPA, which is particularly strong at 7-9 hr time intervals. Future research designs should consider these medium-term dynamics, for both theory development and intervention.
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 | 0,003 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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 ».