MétaCan
Menu
Retour à la cohorte
Enregistrement W4393867581 · doi:10.20944/preprints202403.1871.v1

A mHealth intervention to promote physical activity for healthy aging: Every Walk You Take citizen science project

2024· preprint· en· W4393867581 sur OpenAlexaff
Preet Naik, Dolores Álamo-Junquera, Laura Igual, Marc Serrajordi, Albert Perez, Carles Pericas, Maria-Constança Pagès, Tarun Reddy Katapally, María Grau

Notice bibliographique

RevuePreprints.org · 2024
Typepreprint
Langueen
DomainePsychology
ThématiqueCOVID-19 and Mental Health
Établissements canadiensLawson Health Research InstituteWestern University
Organismes subventionnairesnon disponible
Mots-clésmHealthCitizen scienceIntervention (counseling)Physical activityPsychologyGerontologyPhysical therapyMedicinePsychological interventionNursing

Résumé

récupéré en direct d'OpenAlex

Physical inactivity, highly dependent on community and environmental conditions, is the fourth leading cause of death worldwide. The objective of Every Walk You Take initiative was to co-design and test a mHealth intervention prototype (mobile app) to promote active living, and to identify barriers and facilitators for active living in individuals older than 55 years. Community stakeholders that included citizen scientists, teachers, researchers, health professionals and policy makers, familiar with the social and economic burden of aging in developed societies, codesigned the prototype. The app functionalities included recommendations on healthy routes in the city (parks, pedestrian lanes and streets) according to environmental variables (air quality and climate) and personal preferences (route difficulty, distance and geolocalization); and the collection of ecological momentary assessments (pictures and voice notes) to identify the barriers and facilitators to perform the routes. The prototype was tested in a pilot study in two deprived neighbourhoods of Barcelona. A total of 21 citizen scientists [mean age=67 (standard deviation=7)], 86% of them female collected, during two 7-day cycles, 112 comments and 48 pictures describing the barriers and facilitators for active living. The negative impact of dirty or damaged roads on citizen scientists’ motivation to engage in physical activity was highly reported as a barrier indicating that city infrastructure directly influences the public's inclination towards adopting active lifestyles. However, citizen scientists highlighted murals and urban green spaces they encountered, which made their walks more enjoyable and stimulating, as facilitators for active living. Every Walk You Take initiative constitutes the foundation for the development of novel models of health surveillance to address gaps in the current research landscape of active living. Moreover, the increased health literacy of the individuals ensures that they are more conscious about the role of physical activity in healthy ageing.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,726
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,004
Intégrité de la recherche0,0000,002
Charge utile insuffisante (le modèle a refusé de juger)0,0000,002

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 Opus0,308
Tête enseignante GPT0,541
Écart entre enseignants0,233 · 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 tête enseignante, pas un consensus.

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

Citations3
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePreprints.orgMême sujetCOVID-19 and Mental HealthTravaux en français237 207