MétaCan
Menu
Retour à la cohorte
Enregistrement W4416262429 · doi:10.2196/68006

Engagement of African American Women With Fitness Trackers and Mobile Technology for Shared Physical Activity Goals: Mixed Methods Study

2025· article· en· W4416262429 sur OpenAlexvenueno aff
Allison M. Sweeney, A. Radhakrishnan Nair, Lindsay Decker

Notice bibliographique

RevueJMIR mhealth and uhealth · 2025
Typearticle
Langueen
DomaineComputer Science
ThématiqueInnovative Human-Technology Interaction
Établissements canadiensnon disponible
Organismes subventionnairesNational Heart, Lung, and Blood Institute
Mots-clésActivity trackerAfrican americanPhysical activityInterpersonal communicationmHealthSocial supportMobile technologyInterpersonal relationshipEthnically diverse

Résumé

récupéré en direct d'OpenAlex

Background: While there is growing evidence demonstrating the usefulness of integrating social features within mobile health approaches, little research has explored how African American women use mobile platforms to facilitate physical activity within the context of a group-based physical activity intervention. Objective: The primary aim of this study was to qualitatively describe how African American women used private group messaging boards on the Fitbit mobile app (eg, the type of social and motivational strategies) during a 10-week group-based physical activity intervention. The secondary aim of this study was to quantitatively test whether greater engagement on the Fitbit mobile app (number of posts per week) was associated with greater daily physical activity (ie, steps and total minutes of physical activity) across 10 weeks. Methods: Data were collected from 54 African American women who participated in the Together Everyone Achieves More Physical Activity trial (mean age 51.57, SD 13.89 y). Participants completed weekly in-person group sessions, set group-based weekly physical activity goals, and used the Fitbit mobile app for ongoing group communication and support, including posting in a private group. This study used a QUAN-qual mixed methods design to describe how participants used the private group messaging boards on the Fitbit mobile app and to evaluate whether engagement on the Fitbit app was associated with greater physical activity (ie, steps and total minutes of physical activity) across the 10-week intervention. Results: The mean number of posts per week ranged from 1.79 (SD 2.95) in week 1 to 1.11 (SD 2.49) in week 10, with a maximum of 5.06 (SD 7.62) posts in week 5. A thematic content analysis revealed that the private groups reflected numerous topics, including motivational strategies, cognitive strategies, group strategies, informal positive communication, and sharing pictures. The quantitative analyses revealed that participants who posted at least once per week engaged in more steps (P=.006) and total minutes of physical activity (P=.02). Conclusions: Participants engaged in ongoing social support, positive communication, and vicarious learning through the Fitbit app, suggesting several important directions for future research, including potential interpersonal mechanisms and best practices for enhancing social support and physical activity among African American women.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,969
Score d'incertitude au seuil0,659

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,047
Tête enseignante GPT0,447
Écart entre enseignants0,400 · 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 tête enseignante, pas un consensus.

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

Citations2
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR mhealth and uhealthMême sujetInnovative Human-Technology InteractionTravaux en français237 207