MétaCan
Menu
Retour à la cohorte
Enregistrement W4315703385 · doi:10.2196/40017

A Digital Lifestyle Coach (E-Supporter 1.0) to Support People With Type 2 Diabetes: Participatory Development Study

2023· article· en· W4315703385 sur OpenAlexvenueno aff
Eclaire A G Hietbrink, Anouk Middelweerd, Pepijn van Empelen, Katharina Preuhs, Annemieke Konijnendijk, Wendy Oude Nijeweme-d’Hollosy, Laura K Schrijver, Gozewijn D. Laverman, Miriam Vollenbroek-Hutten

Notice bibliographique

RevueJMIR Human Factors · 2023
Typearticle
Langueen
DomainePsychology
ThématiqueBehavioral Health and Interventions
Établissements canadiensnon disponible
Organismes subventionnairesZonMw
Mots-cléseHealthPsychological interventionIntervention (counseling)SupporterBehavior change methodsTranstheoretical modelPsychologyIntervention mappingUsabilityBehavior changeMedicineApplied psychologyHealth promotionNursingSocial psychologyComputer sciencePublic healthHealth care

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: A healthy lifestyle, including regular physical activity and a healthy diet, is becoming increasingly important in the treatment of chronic diseases. eHealth interventions that incorporate behavior change techniques (BCTs) and dynamic tailoring strategies could effectively support a healthy lifestyle. E-Supporter 1.0 is an eCoach designed to support physical activity and a healthy diet in people with type 2 diabetes (T2D). OBJECTIVE: This paper aimed to describe the systematic development of E-Supporter 1.0. METHODS: Our systematic design process consisted of 3 phases. The definition phase included the selection of the target group and formulation of intervention objectives, and the identification of behavioral determinants based on which BCTs were selected to apply in the intervention. In the development phase, intervention content was developed by specifying tailoring variables, intervention options, and decision rules. In the last phase, E-Supporter 1.0 integrated in the Diameter app was evaluated using a usability test in 9 people with T2D to assess intervention usage and acceptability. RESULTS: The main intervention objectives were to stimulate light to moderate-vigorous physical activities or adherence to the Dutch dietary guidelines in people with T2D. The selection of behavioral determinants was informed by the health action process approach and theories explaining behavior maintenance. BCTs were included to address relevant behavioral determinants (eg, action control, self-efficacy, and coping planning). Development of the intervention resulted in 3 types of intervention options, consisting of motivational messages, behavioral feedback, and tailor-made supportive exercises. On the basis of IF-THEN rules, intervention options could be tailored to, among others, type of behavioral goal and (barriers to) goal achievement. Data on these variables could be collected using app data, activity tracker data, and daily ecological momentary assessments. Usability testing revealed that user experiences were predominantly positive, despite some problems in the fixed delivery of content. CONCLUSIONS: The systematic development approach resulted in a theory-based and dynamically tailored eCoach. Future work should focus on expanding intervention content to other chronic diseases and lifestyle behaviors, enhancing the degree of tailoring and evaluating intervention effects on acceptability, use, and cost-effectiveness.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,019
Score d'incertitude au seuil0,997

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0040,006

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 Opus0,132
Tête enseignante GPT0,424
Écart entre enseignants0,291 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeObservationnel
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

Citations17
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR Human FactorsMême sujetBehavioral Health and InterventionsTravaux en français237 207