MétaCan
Menu
← Retour à la cohorte
Enregistrement W4393854921 · doi:10.2196/48520

mHealth Intervention for Elevated Blood Pressure Among College Students: Single-Arm Intervention Study

2024· article· en· W4393854921 sur OpenAlexvenueno aff
Dieu-My T. Tran, Catherine Dingley, Roger Bonilla

Notice bibliographique

RevueJMIR Formative Research · 2024
Typearticle
Langueen
DomaineHealth Professions
ThématiqueMobile Health and mHealth Applications
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésmHealthOverweightMedicineBlood pressurePsychological interventionIntervention (counseling)Young adultPopulationPhysical therapyGerontologyObesityNursingInternal medicineEnvironmental health

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Current evidence reveals a growing pattern of hypertension among young adults, significantly increasing their risk for cardiovascular disease later in life. Young adults, particularly those of college age, often develop risk factors related to lifestyle choices in diet, exercise, and alcohol consumption. Developing useful interventions that can assist with screening and possible behavioral modifications that are suitable and appealing to college-aged young adults could help with early identification and intervention for hypertension. Recent studies indicate mobile health (mHealth) apps are acceptable and effective for communication and message delivery among this population. OBJECTIVE: The purpose of this study was to examine the feasibility of using a mobile smartphone delivery system that provides tailored messages based on participant self-measured blood pressure (BP) with college-aged young adults. METHODS: Using a single-arm intervention, pilot study design, the mHealth to Optimize BP Improvement (MOBILE) intervention was implemented with college students aged 18 years to 39 years who had systolic BP >120 mm Hg and diastolic BP ≥80 mm Hg. Participants were required to measure their BP daily for 28 days, submit the readings to the app, and receive preset educational text messages tailored to their BP value and related to encouraging healthy lifestyle modifications. Changes in a participant's BP was evaluated using a mixed regression model, and a postintervention survey evaluated their perspectives on the mHealth intervention. RESULTS: The participants' (N=9) mean age was 22.64 (SD 4.54) years; 56% (5/9) were overweight, and 11% (1/9) were obese. The average daily participation rate was 86%. Of the 9 participants, 8 completed the survey, and all indicated the intervention was easy to use, found it increased awareness of their individual BP levels, indicated the text messages were helpful, and reported making lifestyle changes based on the study intervention. They also provided suggestions for future implementation of the intervention and program. Overall, no significant changes were noted in BP over the 28 days. CONCLUSIONS: The mHealth-supported MOBILE intervention for BP monitoring and tailored text messaging was feasible to implement, as our study indicated high rates of participation and acceptability. These encouraging findings support further development and testing in a larger sample over a longer time frame and hold the potential for early identification and intervention among college-aged adults, filling a gap in current research.

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)0,002
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Essai non randomisé · Signal consensuel: Essai non randomisé
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,022

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,002
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0030,002
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0070,001

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 Opus0,124
Tête enseignante GPT0,561
Écart entre enseignants0,438 · 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'étudeEssai non randomisé
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

Citations2
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR Formative Research→Même sujetMobile Health and mHealth Applications→Travaux en français237 207→