Defying distance: exercise providers’ perspectives on remote physical activity supports for older adults: a mixed-methods study
Notice bibliographique
Résumé
Introduction Many older adults encounter barriers to participating in physical activity programs, often due to cost, accessibility, and transportation challenges. Implementing feasible and effective remote support strategies may enhance their physical activity participation. This mixed-methods study examines exercise providers’ use of remote supports for physical activity among older adults, their perceived effectiveness, and barriers and facilitators to adoption during the COVID-19 pandemic and beyond. Methods Exercise providers (≥18 years) completed a web-based survey (June–September 2020), and optional semi-structured interviews (September–December 2020), guided by the COM-B model. Participant characteristics, uptake and perceived effectiveness of remote supports, and presence and severity of barriers were explored and analyzed with inductive thematic analysis. Results Fifty-one exercise providers (age 36.3 ± 12.3 years, 38 female) completed the survey; 86% provided remote support for physical activity, including provision of copy materials (63%) and delivery of real-time virtual programs (59%), with the latter rated the most effective (88%). Key barriers included older adults’ limited technical skills (78%) and access to technology (82%). Interviews (n = 12, age 40.5 ± 15 years, 11 female), yielded five themes: (1) Capacity, Collaboration, and Adaptability Supported Successful Transition to Remote Supports; (2) Tailoring Remote Supports to Needs and Abilities Promoted Safety; (3) Real-time Virtual Programs Fostered Social Support and Engagement; (4) Accessible Technology and Ongoing Support Facilitated Virtual Delivery; and (5) A Hybrid Approach Balances Convenience and Social Benefits. Conclusion During the transition to virtual exercise programming during the COVID-19 pandemic, exercise providers widely used remote supports, favoring real-time virtual programs for socialization and supervision. While there were challenges including safety concerns, technological barriers, and engagement, these challenges were met with innovative solutions. A hybrid approach may be the most sustainable model, balancing the accessibility of virtual programs with the social and motivational benefits of in-person exercise.
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 | 0,031 | 0,030 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,004 | 0,002 |
| Communication savante | 0,005 | 0,004 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».