没有合适的资源?快使用搜索试试~ 我知道了~
互联网干预25(2021)100426基于Twitter的社会支持小组与Fitbit仅用于减少女性久坐行为的可行性,初步疗效和可接受性M.A. Oppezzo a,*,J.A. Tremmel b,K. Kapphahn c,M. Desai c,M. Baiocchi d,M. Sanders e,J.J. Prochaskaaa美利坚合众国加利福尼亚州斯坦福市斯坦福大学医学院斯坦福预防研究中心医学系b美利坚合众国加利福尼亚州斯坦福市斯坦福大学妇女心脏健康中心介入心脏病学c美利坚合众国加利福尼亚州斯坦福市斯坦福大学医学院定量科学股。d流行病学和人口健康,斯坦福大学医学院,美利坚e美利坚合众国加利福尼亚州帕萨迪纳Kaiser Permanente Bernard J. Tyson医学院A B S T R A C T背景:通过社交媒体提供的健康行为改变干预措施允许实时,动态的互动,同伴社会支持和实验者提供的内容。目的:我们测试了一种新的基于Twitter的步行休息干预的可行性、可接受性和初步疗效,这种干预包括日常行为改变策略和社会支持提示,结合Fitbit,与只有Fitbit方法:在2组飞行员中,45名来自心脏诊所的久坐女性被随机分配到Twitter + Fitbit活动跟踪器(Tweet4Wellness,n = 23)或仅Fitbit(对照,n =22)。所有人都收到了一个Fitbit和13周的量身定制的每周步数目标。Tweet4Wellness由一个私人Twitter支持小组组成,每天自动发送行为改变理论的“tweets”,并鼓励小组内的交流。可行性成果包括征聘和登记人数、实施挑战以及整个研究期间参与者的帮助请求的数量和类型。Fitbit数据提供的初步疗效结果是久坐分钟数、>250步的小时数、最大坐姿回合、加权久坐中位回合长度、总步数、强度分钟数(>3.0 METS)和坐姿与移动时间的比率。可接受性结果包括Tweet4Wellness中的Twitter参与水平,以及Likert量表加上关于干预组件的享受和感知有效性的开放式调查问题关于可接受性的调查数据在13周(治疗结束[EOT])和22周(随访)时收集干预结果:该研究是可行的,具有可解决的实施挑战。从基线到EOT,健康参与者的活动小时数p= 0.018,总步数p= 0.028,坐动比p= 0.014相对于对照参与者有显著变化。随访时,只有坐立-移动有显著性(p= 0.047)。在Tweet4Wellness参与者中,治疗期间发送的每条推文与每天活动时间增加0.11(p= 0.04)和每天增加292步(p 0.001)相关75%,略非常同意)。图3显示了自基线以来自我报告变化的EOT调查问题的结果。对于自我选择的久坐行为或活动目标的自我感知进展,12/21(57%)的对照参与者和15/19(79%)的治疗参与者报告了一些或全部进展。参与度,如在任何给定的一天同步Fitbit数据的条件组的百分比所测量的,如图4所示,在研究开始时参与度较高,但在研究期间平均为95%。在154天的试验和随访阶段中,对照组和Twitter组佩戴Fitbit的平均(SD)天数(或至少300步的天数)分别为141.8(18.25)天和129.1(38.3)天。仅从Tweet 4 Well- nesss治疗组收集治疗特定反馈。随着时间的推移,推特参与度下降,但每个参与者至少发过一次推特,在13周内总共发了1304条推特。图5显示了在整个治疗期间发送至少一条推文的组的比例。在为期13周的干预中,参与者在35.6(SD 21.6)个不同的日子平均发送了54.8(SD那些评估研究组成部分的人的比例在一定程度上有助于参与者问题(通过电子邮件发送)。身体活动坐与动的相对关系改善。一个更容易解释的衡量久坐行为的方法是控制睡眠时间的百分比。这项措施将在下一项研究中使用。没有足够的证据表明两组之间其他结果的变化存在差异(即,例如,总久坐分钟数、最大久坐回合数、加权中值久坐回合数和强度分钟数)。3.3.1. 次要分析在治疗期间,在Tweet4Wellness组中,通过发送的推文数量来衡量的参与度与活跃小时数有显着关联(每增加一条推文,每天活动小时数增加0.11 [95% CI 0.01,0.22], p.04);每日总步数(每增加一次鸣叫,增加289.9步[95%CI 148.3,431.5],p.001);和强度分钟数(每增加一次鸣叫,增加289.9步[95%CI 148.3,431.5],p<非常有帮助的是65%的日常提示,50%的阅读组帖子,45%的张贴到组自己,42%的组一般的互动。表6a-6 b显示了用户回答“你喜欢什么?“和“你会改变什么?”4. 讨论这项试点可行性,可接受性和初步疗效试验测试了Tweet4Wellness的效果,Tweet4Wellness是一个私有化的,基于Twitter的支持小组,每天提供基于理论的行为改变策略,以减少久坐行为。一些实施方面的挑战导致协议更加严格,这将极大地有利于下一个试点项目。与仅接受Fitbit组件的对照组相比,治疗组在13周后的活动小时数,每日总步数以及坐着的清醒分钟数与移动的清醒分钟数的比例方面显示出更多的改善;然而,这些变化在随访时并未维持。 其他久坐行为特征(总久坐时间、最大久坐次数、加权中位数久坐次数和强度分钟数)无显著变化。在治疗组内,干预显示出积极的吸收,参与(即,推特)对干预对每日总活动时间、总步数和强度分钟数的影响具有小但显著的影响。这是第一个针对久坐不动的人的实验研究之一行为研究Twitter作为行为改变策略的传递机制和社会支持的场所Tweet2Quit是针对戒烟的母研究方案,显示了通过推文参与和禁欲之间的关联,每增加10条推文平均增加20%的禁欲(Pechmann et al.,2017年)。在这里,我们发现推文对全天运动的主要指标有微小但显著的影响,在13周的治疗期间,每增加10条推文,活动小时数增加1.1小时。虽然只是相关的,这表明,增加参与可能会影响主要结果。鉴于问题类别一些问题报告问题Fitbit设备相关6025同步故障2515账号问题76皮肤刺激31很难让它22一般性问题1910自行解决的Fitbit问题(例如55“nevermind”)影响Fitbit磨损或52的24急诊室或手术86其他健康问题64其他(如丢失充电器、忘记充电3821(见附件一)Twitter相关98账户问题55推特数量2投诉22M.A. Oppezzo等人互联网干预25(2021)1004266=-=表5初步疗效结局:通过随机效应模型得出的7天时间段内每天的平均值(95% CI)治疗前结局组对照组n= 21一治疗n= 21EOT对照组n= 20治疗组n= 21随访对照n= 21治疗n= 16p值(治疗前-EOT)bp值(随访前)b总久坐时间(分钟)对照组988.8(835.2,(第1142.4条)979.7(826.8,1132.6)940.1(786.8,1093.4)p=.84 p=.74治疗1014.1(888.0,(1140.1)1011.6(885.8,(1137.5)991.0(862.7,1119.4)活动小时数对照组4.5(3.1,5.9)3.7(2.3,5.1)3.9(2.6,5.3)p=.018 p=.057最大久坐回合长度(分钟)治疗3.3(2.1,4.4)3.5(2.3,4.6)3.5(2.3,4.7)ES= 0.708ES= 0.558加权中位数久坐时间(分钟)对照组60.2(51.5,68.8)61.7(53.2,70.3)60.4(51.8,69.0)p=.83 p=.90治疗67.5(60.2,74.8)69.8(62.6,77.0)69.4(61.8,77.0)对照组22.0(15.7,28.3)24.6(18.4,30.9)23.0(16.7,29.2)p=.33 p=.62治疗27.3(22.1,32.6)28.1(22.9,33.3)27.2(21.8,32.6)每日总步数对照组4735.7(1848.9,4164.82(1290.8,4624.9(1744.1,p= 0.028p= 0.081治疗(见第7622.5段)2819.0(449.8,(第5188.3号)(见第7038.8段)3639.8(1273.8,(6005.9)(7505.7)3408.52(995.75,(第5821.3号)ES= 0.471强度分钟对照组5.4(-17.5,28.4)3.4(-19.4,26.2)4.4(-18.4,27.4)p=.23 p=.26坐动比治疗组4.5(-14.4, 23.5)10.0(-8.9,28.9)2.7(-16.7, 22.2)对照组8.5(4.2,12.7)10.6(6.4,14.7)8.7(4.5,12.9)p=.01p= 0.047控制:仅限Fitbit。护理:Tweet4Wellness+ Fitbit。治疗12.1(8.5,15.7)10.1(6.6,13.6)10.1(6.3,13.8)ES=-1.123ES=-0.622p值来自双侧Wald检验,α0.05.an的变化基于Fitbit数据同步期间的时间段.B Hedges(Hedges,2007)列出了显著p值的效应量Fig. 1. 学习时间轴。在推特参与度下降的情况下,提高参与度的方法在研究中期尤其有效。小组竞争或合作目标是提高其他工作参与度的一种可能性(Zhang etal., 2016年)。该研究还证明了在研究期间使用消费级设备进行日常自动身体活动收集的可行性(Wang等人,2015年)。该数据相对于调查和加速度计的次要益处包括:最小化回忆偏差;增加佩戴时间;实时监测数据质量的能力,而不是等待设备返回(导致当前研究中发生的潜在数据丢失);以及实时监测干预依从性的能力(Cadmus-Bertram等人,2015年a)。有两项研究与我们的试点研究相当。首先,我们发现干预组的总步数增加的平均值(SE)为820.8(461,3),仅对照Fitbit组减少570.9(430.5)。虽然步数的这种变化非常小,但值得注意的是,基线步数(例如,约2800个基线步数增加约820个,增长29%)。运动的最有意义的效果是从没有活动到任何活动(Joseph等人,2019; Sattelmair等人,2011年)。我们的仅Fitbit对照组的减少与随机对照试验(RCT)形成对比,该随机对照试验(RCT)显示Fitbit与计步器相比仅增加了789(SD 1979)步(在16周后的相似年龄人群中(Cadmus-Bertram et al.,2015年b))。值得注意的是,该RCT针对中度至剧烈的体力活动,而我们的RCT针对中度至剧烈的体力有针对性地减少久坐。有可能的是,像Fitbit这样的自我监测设备可能需要专门与针对行为的锻炼干预配对才能产生影响。Tweet4Wellness平台可以允许未来的研究设计来测试这一点,比较全天减少久坐行为与与Fitbit配对时的单次运动之间的动机差异。第二项可比研究为2个月的单臂试验提供了组内挑战和增量体力活动目标推文5-7名本科生参与 者的私人Twitter群组提供Fitbits(Chung等人,2016年)。我们的研究显示了类似的Fitbit佩戴参与(目前的研究:154天中的95%,Chung等人:99%,持续60天),以及发送的推文数量(当前研究:0.67条推文/参与者/天,Chung等人:0.72 tweets/partici-pant/day)。Chung等人的研究中提供的游戏化是Tweet4Wellness平台的一个可采用的功能,特别是在下一项研究中可以提高参与度4.1. 限制尽管对自我报告的运动进行了随机化和分层,但在基线时,对照组比治疗组更活跃,更少久坐。对下一项研究的直接影响是根据更客观的M.A. Oppezzo等人互联网干预25(2021)1004267活动测量对随机分组进行分层,M.A. Oppezzo等人互联网干预25(2021)1004268图二. CONSORT图。图三. 按疾病列出的治疗期间自我报告的感知变化M.A. Oppezzo等人互联网干预25(2021)1004269表6bTweet4健康可接受性调查数据:“你会改变什么“和计划的改变。受试者引用下一项研究见图4。在整个研究期间同步Fitbit的参与者比例。每个点代表一天。直线代表Lowess曲线。• 明确推文应该只与项目相关的主题• 考虑发布关于什么是适当的tweet的• 当一些参与者发表负面评论时,很难保持积极性• 有真正的人有真正的锻炼问题参加我认为那些去潜水和步行14公里的人不属于这个群体。我是一个低步锻炼者。• 我更喜欢每天每天早上在短信中提示行为改变,而不是Twitter。此外,我正试图做出一个有意识的决定,以减少我的社交媒体时间,所以这与冲突。加强有关Twitter和社交媒体礼仪的教育。将入选标准细化到那些努力维持活动的人。细化入选标准,要求对社交媒体的熟悉度、舒适度和兴趣。图五. 在治疗期间的给定日期发推文的治疗受试者比例。每个点代表一天。直线代表Lowess曲线。表6aTweet4健康可接受性调查数据:“你喜欢什么?”• 日常行为改变提示• 分享我自己的经历,倾听别人的声音,我觉得我并不孤单。关系和鼓励。更有责任感• 我意识到每个人都有同样的问题,每天都要做更多的活动。自从我退休后,我每天都能专注于我的目标• 我在这个项目中并不孤单听到其他与会者的评论很有启发性久坐行为问题而不是身体活动问题。我们的样本人群主要是高加索人,这限制了对其他种族群体的性别化。然而,我们的样本在年龄上相当多样化,从36岁到87岁不等,平均60岁。皮尤研究指出,24%的Twitter用户超过50岁,只有7%超过65岁(社交媒体更新,2013年)。大多数参与者分享说,
下载后可阅读完整内容,剩余1页未读,立即下载
![docx](https://img-home.csdnimg.cn/images/20210720083331.png)
![zip](https://img-home.csdnimg.cn/images/20210720083736.png)
![zip](https://img-home.csdnimg.cn/images/20210720083736.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://profile-avatar.csdnimg.cn/default.jpg!1)
cpongm
- 粉丝: 4
- 资源: 2万+
上传资源 快速赚钱
我的内容管理 收起
我的资源 快来上传第一个资源
我的收益
登录查看自己的收益我的积分 登录查看自己的积分
我的C币 登录后查看C币余额
我的收藏
我的下载
下载帮助
![](https://csdnimg.cn/release/wenkucmsfe/public/img/voice.245cc511.png)
会员权益专享
最新资源
- VMP技术解析:Handle块优化与壳模板初始化
- C++ Primer 第四版更新:现代编程风格与标准库
- 计算机系统基础实验:缓冲区溢出攻击(Lab3)
- 中国结算网上业务平台:证券登记操作详解与常见问题
- FPGA驱动的五子棋博弈系统:加速与创新娱乐体验
- 多旋翼飞行器定点位置控制器设计实验
- 基于流量预测与潮汐效应的动态载频优化策略
- SQL练习:查询分析与高级操作
- 海底数据中心散热优化:从MATLAB到动态模拟
- 移动应用作业:MyDiaryBook - Google Material Design 日记APP
- Linux提权技术详解:从内核漏洞到Sudo配置错误
- 93分钟快速入门 LaTeX:从入门到实践
- 5G测试新挑战与罗德与施瓦茨解决方案
- EAS系统性能优化与故障诊断指南
- Java并发编程:JUC核心概念解析与应用
- 数据结构实验报告:基于不同存储结构的线性表和树实现
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
![](https://img-home.csdnimg.cn/images/20220527035711.png)
![](https://img-home.csdnimg.cn/images/20220527035711.png)
![](https://img-home.csdnimg.cn/images/20220527035111.png)
安全验证
文档复制为VIP权益,开通VIP直接复制
![](https://csdnimg.cn/release/wenkucmsfe/public/img/green-success.6a4acb44.png)