Process Evaluation And Uptake Of The Incentive-based Caterpillar Mhealth App
Notice bibliographique
Résumé
PURPOSE: The cost of delivering financial incentive (FI) based mHealth apps can be prohibitive. The main objective was to evaluate uptake of an mHealth app offering very small financial incentives during an exclusive 3-month launch period in Leeds, UK. METHODS: A 12-week single cohort process evaluation was conducted. Adults downloaded the app between September 12 and December 12, 2022 and provided informed consent. Users were rewarded for achieving personalized daily step goals and completing two short educational health quizzes per week (worth about $0.10 USD per day for step goal reached, and $0.25 per quiz completed, respectively). FIs were provided in the form of “points” that could be redeemed for movie passes and gym discounts. Aligning with dimensions of the RE-AIM framework (i.e., Reach and Implementation), information regarding uptake, sociodemographic and health characteristics, as well as engagement and acceptability (Mobile Application Rating Scale (MARS)) were collected. Data are presented descriptively. RESULTS: The app was promoted via email campaign (~25,000 sent by app partners to Leeds residents, e.g., Leeds gym members, Leeds City Council), paid social media advertisements (27 advertisements with 3484 impressions (number of app views on platform)) and posts via the app’s social media accounts (28 across three platforms i.e., 341 followers). A total of 204 app store “visits” (viewed store listing) were recorded, leading to 106 app downloads (52.2% iOS users). Forty-six provided consent (36.4 ± 13.5 years; 69.6% female; 18.9% classified as lower income). Most users indicated living with at least one chronic disease (70.7%). On average, users accumulated 5003 ± 3329 steps per day at baseline. Among those using the app for 30+ days (n = 22), 47.1% opened the app at least once per week (8.2 app opens per week). Participants completing the MARS (n = 28) provided a high overall app rating (3.7/5) with most likely to recommend the app to others (68.8%). CONCLUSION: Early results suggest more must be done to promote app downloads (e.g., optimizing email campaigns). The app was downloaded by younger females especially, with lower income adults well represented. Last, it appears that very small incentives contributed to high early engagement in a field where attrition is the norm. (Sponsored by MF Mottola FACSM)
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 | 0,048 | 0,067 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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.
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 ».