Effects of a dog activity tracker on owners’ walking: a community-based randomised controlled trial
Notice bibliographique
Résumé
OBJECTIVE: A promising strategy to increase population physical activity is through promotion of dog walking. Informed by multi-process action control and nascent dog-walking theory, we examined the effectiveness of a 3-month technology-based (dog tracker) 2-arm randomised controlled dog-walking intervention to increase dog-owner daily physical activity in the general community in Sydney, Australia. RESULTS: 37 participants were allocated to the intervention group (mean age = 43.2 [SD 11.9]) and 40 to the control group (mean age = 42.3 [SD 11.9]). Both groups averaged more than 10,500 steps/day at baseline. There was no evidence of within- or between-group physical activity differences across timepoints. The results remained consistent after exclusion of participants who had data collected during COVID-19 lockdowns. Compared with baseline, both groups had significant increases in sedentary time during the post-intervention, and 6 month follow-up. The absence of significant differences between-group physical activity differences may be attributable to the ceiling effect of both groups already being sufficiently active. These results provide useful guidance to future studies intended to assess the efficacy of technology-based dog-walking interventions. Future dog-walking interventions should specifically target physically inactive dog owners. TRIAL REGISTRATION: ACTRN12619001391167 (10/10/2019); Retrospectively registered.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».