MétaCan
Menu
← Retour à la cohorte
Enregistrement W4385974376 · doi:10.2196/45091

Short-Form Video Exposure and Its Two-Sided Effect on the Physical Activity of Older Community Women in China: Secondary Data Analysis

2023· article· en· W4385974376 sur OpenAlexvenueno aff
Chen Wu, Si Chen, Shan Wang, Sijing Peng, Jiepin Cao

Notice bibliographique

RevueJMIR mhealth and uhealth · 2023
Typearticle
Langueen
DomaineMedicine
ThématiquePhysical Activity and Health
Établissements canadiensnon disponible
Organismes subventionnairesUniversity of North Carolina at Chapel HillShandong University
Mots-clésPhysical activityMedicineGerontologyCohortDemographyDuration (music)PsychologyPhysical therapy

Résumé

récupéré en direct d'OpenAlex

Background: There is a tendency for older adults to become more physically inactive, especially older women. Physical inactivity has been exacerbated since the COVID-19 pandemic. Lockdowns and information-based preventive measures for COVID-19 increased the number of short-form video app users and short-form video exposure, including content exposure and the duration of exposure, which has demonstrated important effects on youths' health and health-related behaviors. Despite more older adults viewing short-form videos, less is known about the status of their short-form video exposure or the impacts of the exposure on their physical activity. Objective: This study aims to describe physical activity-related content exposure among older adults and to quantify its impacts along with the duration of short-form video exposure on step counts, low-intensity physical activity (LPA), and moderate-to-vigorous physical activity (MVPA). Methods: We analyzed a subsample (N=476) of older women who used smartphones and installed short-form video apps, using the baseline data collected from an ongoing cohort study named the Physical Activity and Health in Older Women Study (PAHIOWS) launched from March to June 2021 in Yantai, Shandong Province, China. The information on short-form video exposure was collected by unstructured questions; physical activity-related content exposure was finalized by professionals using the Q-methodology, and the duration of exposure was transformed into hours per day. Step counts, LPA, and MVPA were assessed with ActiGraph wGT3X-BT accelerometers. Multiple subjective and objective covariates were assessed. Linear regression models were used to test the effects of short-form video exposure on step counts, LPA, and MVPA. MVPA was dichotomized into less than 150 minutes per week and 150 minutes or more per week, and the binary logistic regression model was run to test the effects of short-form video exposure on the achievement of spending 150 minutes or more on MVPA. Results: Of 476 older women (mean age 64.63, SD 2.90 years), 23.7% (113/476) were exposed to physical activity-related short-form videos, and their daily exposure to short-form videos was 1.5 hours. Physical activity-related content exposure increased the minutes spent on MVPA by older women (B=4.14, 95% CI 0.13-8.15); the longer duration of short-form video exposure was associated with a reduced step count (B=-322.58, 95% CI -500.24 to -144.92) and minutes engaged in LPA (B=-6.95, 95% CI -12.19 to -1.71) and MVPA (B=-1.56, 95% CI -2.82 to -0.29). Neither content exposure nor the duration of exposure significantly increased or decreased the odds of older women engaging in MVPA for 150 minutes or more per week. Conclusions: Short-form video exposure has both positive and negative impacts on the physical activity of older adults. Efforts are needed to develop strategies to leverage the benefits while avoiding the harms of short-form videos.

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)0,004
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,083
Score d'incertitude au seuil0,165

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,006
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,003
Bibliométrie0,0030,005
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,092
Tête enseignante GPT0,417
Écart entre enseignants0,326 · 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'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

Citations8
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR mhealth and uhealth→Même sujetPhysical Activity and Health→Travaux en français237 207→