Designing financial incentives for health behaviour change: a mixed-methods case study of weight loss in men with obesity
Notice bibliographique
Résumé
Abstract Aim Designing financial incentives for health behaviour change requires choices across several domains, including value (the size of the incentive), frequency of incentives, and direction (gain or loss). However, the rationale underlying complex incentive design is infrequently reported. Transparent reporting is important if we want to understand and improve the incentive development process. This paper describes a mixed methods approach for designing financial incentives for health behaviour change which involves stakeholders throughout the design process. Subject and methods The mixed methods approach focuses on incentives for weight loss for men with obesity living in areas with high levels of disadvantage. The approach involves: (a) using an existing framework to identify all domains of a financial incentive scheme for which choices need to be made, deciding what criteria are relevant (such as effectiveness, acceptability and uptake) and making choices on each domain on the basis of the criteria; (b) conducting a survey of target population preferences to inform choices for domains and to design the incentive scheme; and (c) making final decisions at a stakeholder consensus workshop. Results The approach was implemented and an incentive scheme for weight loss for men living with obesity was developed. Qualitative interview data from men receiving the incentives in a feasibility trial endorses our approach. Conclusion This paper demonstrates that a mixed methods approach with stakeholder involvement can be used to design financial incentives for health behaviour change such as weight loss. Trial registration number NCT03040518. Date: 2 February 2017.
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 | 0,059 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 ».