Effectiveness of a Smartphone App (Heia Meg) in Improving Decisions About Nutrition and Physical Activity: Prospective Longitudinal Study
Notice bibliographique
Résumé
BACKGROUND: Obesity is a prevalent and serious chronic condition associated with abnormal or excessive fat buildup that poses significant health risks. The rates of overweight and obesity in adults and children continue to rise, with global rates of children with overweight or obesity aged 5-19 years growing from 4% to 18% between 1975 and 2016. Furthermore, in 2017, nearly 4 million people died due to complications arising from being overweight or obese. OBJECTIVE: This study aims to investigate the potential impact of the mobile app Heia Meg on promoting healthier lifestyle choices regarding nutrition and physical activity. METHODS: A prospective longitudinal study was conducted in collaboration with the Norwegian Directorate of Health. Participants were recruited through the Heia Meg app and were asked to complete a questionnaire before and after using the app. A total of 199 responses were included in the first (preintervention) questionnaire, while 99 valid responses were obtained in the second (postintervention) questionnaire. RESULTS: The majority (159/199, 79.9%) of participants were female, and their age ranged from 18 years to 70 years and older. The results show a reduction in BMI after the digital intervention. However, some variables influence the BMI reduction effect: sex, age, education, and smoking. The group that obtained the most benefit from the intervention consisted of those who were male, aged 30-39 years, highly educated, and nonsmokers. Although positive, some of the findings are slightly above the statistical significance threshold and therefore should be interpreted carefully. CONCLUSIONS: Our study found weak evidence to support the effectiveness of the Heia Meg app in promoting healthier lifestyle choices. However, limitations and confounding factors suggest that further research in different populations with larger sample sizes is needed to confirm or disprove our findings.
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 | 0,005 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».