Using Personalized Intervention Criteria in a Mobile Just-in-Time Adaptive Intervention for Increasing Physical Activity in University Students: Pilot Study
Notice bibliographique
Résumé
Background: While the health benefits of physical activity are well-known, adherence to regular physical activity remains a major challenge. Just-in-time adaptive intervention (JITAI) has been proposed as one method to increase physical activity by delivering an intervention at a time when individuals are more likely to make behavioral changes. However, most studies that have implemented JITAI have used uniform intervention criteria (UIC) across participants rather than personalized intervention criteria (PIC) for the individual. Objective: The objective of this paper was to examine the effectiveness of using JITAI implemented with PIC to increase physical activity. Methods: Healthy university students wore a wrist activity monitor for 2 weeks. Participants were divided into 2 groups, which received JITAI to promote physical activity according to either PIC or UIC. In the first week, the mean distance moved and sedentary time per hour for each participant were calculated to derive PIC. UIC was obtained from a 2-week study with a different sample (n=47) conducted under the same conditions. In the second week, JITAI prompts were sent every hour if both of the following criteria were met: the distance moved was shorter, and sedentary time was longer than PIC or UIC. Differences in changes in physical activity as a result of implementing interventions according to PIC and UIC were analyzed using multilevel models. Results: We analyzed data from 28 healthy university students (18-23 y old, female n=12). Both PIC (P<.001) and UIC (P<.001) significantly increased physical activity in the first hour after JITAI was received. In that first hour, PIC increased physical activity more than UIC; more calories were burned (P=.02), more steps were taken (P=.007), and distance moved was increased (P=.003). However, over the course of the week, the use of JITAI did not significantly increase physical activity levels. Conclusions: Our results appear to suggest that PIC-based JITAI is more effective than UIC-based JITAI, consistent with the idea of a need for precision health approaches. Further research is needed to develop effective long-term intervention designs with sustainable effects.
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 | 0,004 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».