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 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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».