MétaCan
Menu
Retour à la cohorte
Enregistrement W4407385873 · doi:10.2196/52887

Participant Compliance With Ecological Momentary Assessment in Movement Behavior Research Among Adolescents and Emerging Adults: Systematic Review

2025· review· en· W4407385873 sur OpenAlexaffvenue
Shirlene Wang, Chih‐Hsiang Yang, Denver M. Y. Brown, Alex Cheng, Matthew Kwan

Notice bibliographique

RevueJMIR mhealth and uhealth · 2025
Typereview
Langueen
DomaineMedicine
ThématiquePhysical Activity and Health
Établissements canadiensMcMaster UniversityBrock University
Organismes subventionnairesNational Cancer Institute
Mots-clésChecklistPsycINFOAffect (linguistics)Psychological interventionPsychologyPopulationObservational studyApplied psychologyClinical psychologyMedicineMEDLINEEnvironmental healthPsychiatryCognitive psychology

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Adolescence through emerging adulthood represents a critical period associated with changes in lifestyle behaviors. Understanding the dynamic relationships between cognitive, social, and environmental contexts is informative for the development of interventions aiming to help youth sustain physical activity and limit sedentary time during this life stage. Ecological momentary assessment (EMA) is an innovative method involving real-time assessment of individuals' experiences and behaviors in their naturalistic or everyday environments; however, EMA compliance can be problematic due to high participant burdens. OBJECTIVE: This systematic review synthesized existing evidence pertaining to compliance in EMA studies that investigated wake-time movement behaviors among adolescent and emerging adult populations. Differences in EMA delivery scheme or protocol, EMA platforms, prompting schedules, and compensation methods-all of which can affect participant compliance and overall study quality-were examined. METHODS: An electronic literature search was conducted in PubMed, PsycINFO, and Web of Science databases to select relevant papers that assessed movement behaviors among the population using EMA and reported compliance information for inclusion (n=52) in October 2022. Study quality was assessed using a modified version of the Checklist for Reporting of EMA Studies (CREMAS). RESULTS: Synthesizing the existing evidence revealed several factors that influence compliance. The platform used for EMA studies could affect compliance and data quality in that studies using smartphones or apps might lessen additional burdens associated with delivering EMAs, yet most studies used web-based formats (n=18, 35%). Study length was not found to affect EMA compliance rates, but the timing and frequency of prompts may be critical factors associated with missingness. For example, studies that only prompted participants once per day had higher compliance (91% vs 77%), but more frequent prompts provided more comprehensive data for researchers at the expense of increased participant burden. Similarly, studies with frequent prompting within the day may provide more representative data but may also be perceived as more burdensome and result in lower compliance. Compensation type did not significantly affect compliance, but additional motivational strategies could be applied to encourage participant response. CONCLUSIONS: Ultimately, researchers should consider the best strategies to limit burdens, balanced against requirements to answer the research question or phenomena being studied. Findings also highlight the need for greater consistency in reporting and more specificity when explaining procedures to understand how EMA compliance could be optimized in studies examining physical activity and sedentary time among youth. TRIAL REGISTRATION: PROSPERO CRD42021282093; https://www.crd.york.ac.uk/prospero/display_record.php?RecordID=282093.

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)0,067
score de la tête « metaresearch » (Gemma)0,263
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: Méthodes · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: Revue systématique
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,933
Score d'incertitude au seuil0,356

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0670,263
Méta-épidémiologie (sens strict)0,0010,002
Méta-épidémiologie (sens large)0,0090,009
Bibliométrie0,0100,012
Études des sciences et des technologies0,0010,002
Communication savante0,0040,005
Science ouverte0,0030,003
Intégrité de la recherche0,0030,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,307
Tête enseignante GPT0,549
Écart entre enseignants0,241 · 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.

Devis d'étudeRevue systématique
DomaineMéthodes
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations15
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJMIR mhealth and uhealthMême sujetPhysical Activity and HealthTravaux en français237 207