MétaCan
Menu
← Retour à la cohorte
Enregistrement W4407823854 · doi:10.1101/2025.02.18.25322482

A technology-based randomized controlled trial of self-affirmation and gain-framed health messaging to reduce sedentary behavior in older adults

2025· preprint· en· W4407823854 sur OpenAlexafffund
Meishan Ai, Nagashree Thovinakere, Caitlin S. Walker, Cora Ordway, Elizabeth Quinoñez, Emily Melsky, Frank D’Agostino, Susan Whitfield‐Gabrieli, Siobhan M. Phillips, Dominika M. Pindus, Charles Hilman, Timothy P. Morris, Arthur F. Kramer, Maiya R. Geddes

Notice bibliographique

RevuemedRxiv · 2025
Typepreprint
Langueen
DomaineMedicine
ThématiquePhysical Activity and Health
Établissements canadiensDouglas Mental Health University InstituteMcGill UniversityMcGill University Health CentreUniversity of TorontoMontreal Neurological Institute and Hospital
Organismes subventionnairesNational Center for Advancing Translational SciencesNational Center for Research ResourcesCanadian Institutes of Health ResearchHealth CanadaNational Institutes of HealthCanada First Research Excellence FundAlzheimer SocietyGovernment of CanadaHarvard CatalystMcGill UniversityCanadian Bee Research FundNatural Sciences and Engineering Research Council of CanadaFondation Brain CanadaAlzheimer Society Research ProgramHarvard University
Mots-clésRandomized controlled trialPsychologyText messagingSedentary behaviorApplied psychologyPhysical activityPhysical therapyMedicineComputer scienceInternet privacy

Résumé

récupéré en direct d'OpenAlex

Objective: Sedentary behavior significantly increases the risk for chronic diseases and cognitive decline in aging, underscoring the need for effective interventions. Older adults exhibit a 'positivity effect', whereby processing of positive information is prioritized over negative information. In addition, self-affirmation was shown to reduce sedentary behavior in younger adults, but its effects in older adults remain unknown. This study tested a novel, technology-based intervention combining daily self-affirmation and gain-framed health messages to reduce sedentary behavior in older adults. Methods: In a 6-week randomized controlled trial (NCT0431536), 48 cognitively unimpaired, sedentary older adults were randomized into two groups: The intervention group (mean age=70.0±5.4years) completed daily self-affirmation based on their highest-ranked value, followed by gain-framed health messages. The active control group (mean age=68.4±5.0years) performed self-affirmation on their lowest-ranked value, followed by loss-framed messages. This was a single-blinded clinical trial that incorporated a hybrid efficacy and implementation design. Thus, information about intervention feasibility was examined. In addition, baseline motivational traits, including reward sensitivity, were assessed as moderators of behavior change. The neural basis of self-affirmation and gain-framed health messaging was examined at baseline using a task-based, event-related fMRI paradigm across groups, after randomization at the outset of the intervention. Results: The intervention showed high adherence (0.92±0.08) and positive ease-of-use ratings. While the intervention did not significantly reduce sedentary behavior compared to the active control condition, increased reward sensitivity predicted reduced sedentary behavior across all participants. FMRI results showed increased ventral striatal activation in the intervention group, compared to the active control group during reading of gain-framed compared to neutral messages. Conclusions: This study supports the feasibility of technology-based sedentary beahvior reduction interventions for older adults. While self-affirmation combined with gain-framed messaging did not significantly reduce sedentary behavior, gain-framed messages engaged the reward network, and reward sensitivity predicted future reduction in sedentary behavior.

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)0,003
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Essai randomisé · Signal consensuel: Essai randomisé
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,033

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,005
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0030,002
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,002
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0040,003
Charge utile insuffisante (le modèle a refusé de juger)0,0100,001

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 Opus0,015
Tête enseignante GPT0,334
Écart entre enseignants0,318 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeEssai randomisé
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

Citations0
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuemedRxiv→Même sujetPhysical Activity and Health→Travaux en français237 207→