MétaCan
Menu
Retour à la cohorte
Enregistrement W4413056041 · doi:10.2196/65260

Effects of Information Length and Implementation Intentions on Adherence to Weight Management Strategies: Experimental Study

2025· article· en· W4413056041 sur OpenAlexvenueno aff
Khaleda Ahmadyar, Joanna Szypula, Angeliki Bogosian, Katy Tapper

Notice bibliographique

RevueJMIR mhealth and uhealth · 2025
Typearticle
Langueen
DomainePsychology
ThématiqueBehavioral Health and Interventions
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésWeight managementModerationPsychologyCognitionWeight lossMedicineSocial psychologyObesity

Résumé

récupéré en direct d'OpenAlex

Background: Adherence to weight management strategies may be undermined where lengthy strategy explanations limit engagement and understanding, weakening intervention efficacy. By contrast, implementation intentions have been shown to promote adherence across various health behaviors. Objective: This study aimed to investigate the impact of explanation length and implementation intentions on adherence to brief weight management strategies. Methods: Participants (N=200) with a BMI above 25 and an interest in losing weight were recruited from a commercial digital weight management service provider. Participants received information about 1 of 4 weight management strategies on a smartphone app in either a brief or detailed format and were asked to plan their use of the strategy with implementation intentions or were given tips on strategy use. Participants received daily prompts over a 2-week period to report whether they used their assigned strategy. Proposed moderators (need for cognition and planning skills) were measured at baseline. Results: Strategy adherence was greater with brief information (mean 74%, SD 23%) compared with detailed information (mean 69%, SD 23%); however, this small effect size (Cohen d=0.24) was not statistically significant (P=.13). There was no moderation by need for cognition (P=.25). Adherence did not differ significantly between implementation intentions (mean 71%, SD 27%) and tips (mean 72%, SD 21%; P=.73); however, there was moderation by planning skills (P=.04). As predicted, adherence was greater with implementation intentions compared with tips among those with poorer planning skills. Conclusions: Shorter explanation length and implementation intentions (in poorer planners) may enhance adherence to brief weight management strategies, and further investigation is required to confirm these 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 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)0,008
score de la tête « metaresearch » (Gemma)0,022
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 non randomisé · Signal consensuel: Essai non randomisé
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,016
Score d'incertitude au seuil0,052

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0080,022
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,002
Communication savante0,0020,001
Science ouverte0,0010,002
Intégrité de la recherche0,0020,004
Charge utile insuffisante (le modèle a refusé de juger)0,0160,001

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 Opus0,059
Tête enseignante GPT0,496
Écart entre enseignants0,437 · 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 non 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

Citations1
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR mhealth and uhealthMême sujetBehavioral Health and InterventionsTravaux en français237 207