Usability and Implementation Considerations of Fitbit and App Intervention for Diverse Cancer Survivors: Mixed Methods Study
Notice bibliographique
Résumé
Abstract Background Despite the known benefits of physical activity, cancer survivors remain insufficiently active. Prior trials have adopted digital health methods, although several have been pedometer-based and enrolled mainly female, non-Hispanic White, and more highly educated survivors of breast cancer. Objective The objective of this study was to test a previously developed mobile health system consisting of a Fitbit activity tracker and the MyDataHelps smartphone app for feasibility in a diverse group of cancer survivors, with the goal of refining the program and setting the stage for a larger future trial. Methods Participants were identified from one academic medical center’s electronic health records, referred by a clinician, or self-referred to participate in the study. Participants were screened for eligibility, enrolled, provided a Fitbit activity tracker, and instructed to download the Fitbit: Health & Wellness and MyDataHelps apps. They completed usability surveys at 1 and 3 months. Interviews were conducted at the end of the 3-month intervention with participants and cancer care clinicians to assess the acceptability of the intervention and the implementation of the intervention into clinical practice, respectively. Descriptive statistics were calculated for demographics, usability surveys, and Fitbit adherence and step counts. Rapid qualitative analysis was used to identify key findings from interview transcriptions. Results Of the 100 patients screened for eligibility, 31 were enrolled in the trial (mean age 64.8, SD 11.1 years; female patients=17/31, 55%; Hispanic or Latino=7/31, 23%; non-White=11/31, 35%; less than a bachelor’s degree=14/31, 45%; and household income Conclusions Implementing a remotely delivered, light-intensity physical activity program was feasible and acceptable in a sample of diverse cancer survivors. Future studies should consider registry-based methods and work with clinicians to engage hard-to-reach survivor populations who have low physical activity levels and disproportionately high adverse health outcomes.
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 | 0,036 | 0,038 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».