Implementing an Activity Tracker to Increase Motivation for Physical Activity in Patients With Diabetes in Primary Care
Notice bibliographique
Résumé
Background: Many projects related to technology implementation in the context of chronic diseases have been developed over the years to better manage lifestyle medicine interventions and improve patient care. However, technology implementation in primary care settings remains challenging. Objective: The aim is to carry out a strengths, weaknesses, opportunities, and threats (SWOT) analysis (1) to assess satisfaction among patients with type 2 diabetes using an activity tracker to increase motivation for physical activity (PA) and (2) to explore the research and health care team’s perceptions of this technology’s implementation in a primary care setting. Methods: A 3-month hybrid type 1 study, which included 2 stages, was conducted in an academic primary health center in Quebec City, Quebec, Canada. In stage 1, a total of 30 patients with type 2 diabetes were randomized to the intervention (activity tracker) group or the control group. In stage 2, a SWOT analysis was performed on both patients and health care professionals to determine the components of successful technology implementation. Two questionnaires were used to gather feedback: a satisfaction and acceptability questionnaire concerning an activity tracker (15 patients in the intervention group) and a questionnaire based on the SWOT elements (15 patients in the intervention group and 7 health care professionals). Both questionnaires contained quantitative and qualitative questions. Results: In total, 86% (12/14) of the participants were satisfied with their activity tracker use and 75% (9/12) felt that it incited them to stick to their PA program. The main strengths of the team members’perspectives were the project initiation and involvement of a patient partner, the study design, the team, and the device. The weaknesses were the budgetary constraints, the turnover, and the technical issues. The opportunities were the primary care setting, the loan of equipment, and common technology. The threats were recruitment issues, administrative challenges, technological difficulties, and a single research site. Conclusion: Patients with type 2 diabetes were satisfied with their activity tracker used to improve motivation for PA. Health care team members agreed that implementation can be done in primary care, but some challenges remain in using this technological tool in clinical practice regularly.
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 | 0,004 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».