The impact of digitally-supported personalised goals to reduce sedentary behaviour in a clinically obese population.
Notice bibliographique
Résumé
Background: According to the World Health Organisation (WHO), 39% of the global population are overweight and 13% are obese and the annual cost of identifying and treating obesity-related diseases in Ireland alone is €1.13 billion (WHO, 2015). The aim of this study was to examine the effect of weekly personalised goals and feedback on reductions in sedentary behaviour in clinically obese patients (BMI>30) attending the CLANN lifestyle programme. Methods: A sample of 78 obese men and women participating in the CLANN 10-week lifestyle program were randomised to control or experimental conditions in a 2 (control/experimental) x 2 (baseline/follow-up) design. Clinical (BMI, sedentary behaviour) and psychological variables (anxiety, distress, self-efficacy and social support) were assessed at baseline and again at 10-week follow-up. Participants were fitted with activPALTM physical activity monitors to monitor sedentary behaviour. The experimental group received weekly personalised sedentary behaviour goals (calculated by subtracting 10% from previous week) and feedback via the activPALTM data on their progress. The control group received general care for the duration of the programme. Findings: Significant improvements were observed within 10 weeks with reductions in sitting/lying time (p<.05), increases in up/down transitions (p<.05) and increases in selfefficacy (p<.05) in the experimental group compared with controls. Discussion: Personalised goal-setting with frequent feedback and monitoring was effective in reducing sedentary behaviour in a clinically obese population. Settling realistic, attainable goals increased the likelihood of success in achieving targets resulting in increased selfefficacy and yielding significant reductions in sedentary behaviour.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».