Initial participant perspectives about participating in an online, semi‐supervised, cirrhosis‐specific nutrition and exercise intervention
Notice bibliographique
Résumé
OBJECTIVES: In chronic diseases, there have been issues with low levels of participant adherence and retention during well-supported lifestyle behaviour change interventional studies. Theoretically informed, the objective was to explore the types of challenges participants are experiencing to inform future designs. DESIGN: We conducted an exploratory descriptive study in an adult cirrhosis population after the first 4-6 weeks of a 12-week semi-supervised nutrition and exercise online program. METHODS: Participants in the parent feasibility study, assessing the nutrition and exercise intervention (Heal-Me), were eligible for this nested study. Heal-Me is a multimodal program that is tailorable to a participant's abilities through regular interaction with the study's registered dietician and exercise specialist. Interviews (~60 min) with participants were recorded then analysed descriptively, guided by the capability, opportunity and motivational behaviour change model. RESULTS: The 20 participants preferred the expert-led group online nutrition and exercise classes over independent activities such as protein tracking and the exercise videos. Social gamification (e.g., weekly polls on favourite things like movies or sports teams) contributed to the group experience. All except one person required program tailoring to address preferences, abilities and new onset health events. Findings led to the inclusion of 4 behaviour change techniques to the initial 17, whereas 2 others were expanded. CONCLUSIONS: While program tailoring, awareness of cirrhosis nutrition and regular interactions with staff influenced participant retention and adherence in the first 4-6 weeks of the online program.
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 | 0,001 | 0,000 |
| 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 | 0,000 |
| 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 ».