Assessing Wearable mHealth Adherence in Underserved Adolescents and its Associations With Physical Activity, Sports, and Safety Perceptions: Prospective Cohort Study
Notice bibliographique
Résumé
Background: Adolescents from underserved communities, particularly Black and Hispanic youth, engage in lower levels of physical activity (PA), increasing their risk for chronic disease. Conventional interventions often face barriers such as limited access to safe environments. Wearable mobile health technologies offer scalable and context-sensitive solutions; however, predictors of sustained adherence in school-based settings among high-risk populations remain underexplored. Objective: This study aims to examine the behavioral and contextual predictors of adherence to a consumer-grade wearable PA tracker among underserved high school students. Methods: In this school-based observational study, 63 students (mean age 14.8, SD 1.17 years) enrolled in physical education received Fitbit devices. Adherence was defined as ≥21 valid days of step count data. Measures included self-reported PA behaviors, neighborhood perceptions, physical fitness (including anthropometrics), and device adherence. Group comparisons were conducted using t tests and chi-square tests. Logistic regression was used to identify predictors of adherence. Results: Overall, 73% (46/63) of participants met the adherence threshold. Adherent students reported fewer days of moderate-to-vigorous PA (2 vs 4 days/week; P=.004), lower team sports participation (21/46, 46% vs 12/17, 71%; P=.004), and higher perceived neighborhood safety (P=.02). In adjusted models, lower PA frequency, greater perceived safety, and neighborhood walkability significantly predicted adherence (χ² 6=16.23; P=.01, Nagelkerke R²=0.61). Conclusions: Wearable mobile health technologies show promise for engaging underserved adolescents in PA, particularly those with lower baseline activity and limited access to structured sports. Key predictors of adherence included perceived neighborhood walkability, team sports participation, and prior PA behavior. School-based deployment of wearable devices should emphasize personalized goals and autonomy-supportive strategies to foster sustained engagement and promote PA among high-risk youth.
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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».