原始论文
摘要
背景:在当今社会,商业体育活动应用程序(如Fitbit和Strava)无处不在,在增加体育活动行为方面具有相当大的潜力。许多商业体育活动应用程序包含社交组件,特别是应用程序特定的社区(允许用户与其他应用程序用户互动)或连接到现有社交网络平台(如Facebook或Instagram)的能力。越来越多的人需要更深入地了解商业体育活动应用程序和这些应用程序的特定组件(社交组件)是否有利于促进体育活动。
摘要目的:本研究旨在研究使用商业体育活动应用程序和参与体育活动之间的关系。商业体育活动应用(应用特定的社区和现有的社交网络平台)的社交组件也进行了探索。这涉及分离特定应用社区和现有社交网络平台的特定功能(例如,分享、提供和接受鼓励、比较和竞争),这些功能在促进身体活动方面最有价值。
方法:进行了横断面网络调查。参与者为1432名成年人(平均年龄34.1岁,1256/1432,88.00%为女性),他们完成了评估身体活动、商业体育活动应用程序的使用以及应用程序特定社区和现有社交网络平台的测量。
结果:总体而言,53.14%(761/1432)的样本报告使用商业体育活动应用程序。最常用的应用程序是Fitbit (171/761, 22.5%), Strava(130/761, 17.1%)和Garmin(102/761, 13.4%)。体育活动应用程序的使用与体育活动显著相关。值得注意的是,应用程序特定社区和现有社交网络平台的使用极大地促进了体育活动的参与。应用程序特定社区最有利于促进体育活动的特征是向伴侣提供鼓励,从亲密的朋友和家人那里获得鼓励,并与公共应用程序特定社区的成员进行比赛。与现有的社交网络平台相比,分享体育活动帖子可以预测体育活动的参与度。
结论:研究结果表明,应用程序的特定社区和现有的社交网络平台是应用程序的组成部分,是促进身体活动的基础。他们进一步表明,商业体育活动应用程序可以覆盖很高的人群水平,并具有促进体育活动的巨大潜力,这是一个重要的公共健康考虑因素。
doi: 10.2196/17152
关键字
简介
背景
体育活动带来许多健康益处,包括降低心血管疾病、高血压、骨质疏松症、糖尿病、肥胖、精神疾病和过早死亡的风险[
- ].尽管如此,全球仍有14亿成年人(28%)未达到体育活动指南(每周150分钟中等至剧烈体育活动),这一数字仍在继续上升[ ].这凸显了开发可扩展干预措施以增加身体活动的必要性。体育活动移动应用程序由于其广泛的覆盖面、可访问性和便利性,提供了一种促进体育活动参与的创新方法。最近,商业体育活动应用程序(如Fitbit、Strava和Garmin)的可用性呈指数级增长[
].然而,之前对体育活动应用的研究大多集中在研究人员开发的应用上,而不是商用应用。 , ].这是迄今为止研究的一个不足之处,尽管商业应用程序的可访问性和普遍性,但探索它们对身体活动的使用和影响的文献有限。这表明需要更深入地了解商业应用程序的使用情况,以确定它们是否有能力提高身体活动水平,从而改善公众健康。越来越多针对商业应用内容的研究发现,社交功能正变得越来越普遍。
, - ].也就是说,许多商业应用程序都包含特定于应用程序的社区,允许用户通过分享体育活动数据、接受或提供鼓励(例如,点赞和评论)以及参与竞争或比较等方式与其他应用程序用户互动。 ].然而,到目前为止,对应用特定社区的研究还很少,特别是对这些社区功能(如共享和竞争)与体育活动之间的联系的研究。深入了解应用程序特定的社区对于确定它们在促进体育活动方面的价值非常重要,对于未来体育活动干预措施的发展也至关重要。对商业应用程序的内容分析发现,许多体育活动应用程序还可以连接到现有的社交网络平台,如Facebook或Instagram [
, - ].这被认为是应用程序的重要组成部分,考虑到最近的评论[ ]发现现有的社交网络平台与应用程序结合使用可以提高用户粘性[ ].然而,检讨[ ]还记录了这一研究领域尚处于起步阶段,需要对如何优化现有社交网络平台与体育活动应用程序的结合获得更深入的了解。这需要识别现有社交网络平台的特征(例如,社交互动和比较),这些特征与应用用户粘性相关,因此也与身体活动相关。目标
据我们所知,之前没有研究全面调查过商业体育活动应用程序,特别是这些应用程序的社交组件(应用程序特定的社区或现有的社交网络平台)如何与体育活动联系在一起。这一点很重要,因为商业体育活动应用程序越来越流行,而且需要隔离与体育活动参与相关的应用程序组件。因此,本研究的第一个目的是全面了解商业体育活动应用程序的使用及其与体育活动的关系。第二个目标是探索特定应用社区和现有社交网络平台在促进体育活动方面的价值。更具体地说,我们试图确定应用程序特定社区和现有社交网络平台的特征,以及这些特征与应用程序使用频率和体育活动参与度之间的关系。
方法
研究设计和参与者
进行了基于网络的横断面调查。参与者是通过心理学学科的基于网络的研究参与系统、付费的Facebook广告和在社交网络平台(如Facebook、Instagram和Twitter)上放置的免费广告招募的体育活动和在线社交网络.获得了大学社会与行为研究伦理委员会的伦理批准。8232)。所有参与者都以电子方式提供知情同意。参与者为成年人,年龄≥18岁,精通英语。
过程
参与者在2019年2月至4月期间通过Qualtrics平台完成了一项基于网络的调查。该调查花费了大约30分钟来完成,并按照呈现的顺序将以下列出的措施纳入其中。作为感谢的象征,参与者可以参加抽奖,赢得5张25澳元(15美元)的购物礼券。
措施
人口统计资料
参与者被邀请报告他们的年龄、性别认同和种族。
有规律的体育活动
按照Prichard和Tiggemann的方法评估有规律的结构化体育活动[
].参与者被邀请自我报告他们通常每周进行的结构化体育活动或运动的类型、持续时间和频率。然后计算出每周体育活动的总分钟数,方法是将每项活动的频率乘以持续时间。根据列出的体育活动类型计算单独的体育活动总量,具体为单项体育活动(如散步或跑步)、基于健身房的活动(如体育课)或基于体育的活动(如无挡板篮球或足球)。目前体育活动应用程序的使用情况
参与者被要求自我报告他们目前使用体育活动应用程序的情况,这些应用程序被定义为能够跟踪或监测体育活动(例如,步数或距离)或提供指导性训练或锻炼的应用程序。特别是,参与者被要求使用开放式的回答格式自我报告,他们目前使用最频繁的体育活动应用程序的名称(主要的体育活动应用程序,如Strava),他们使用该应用程序的体育活动或运动,以及他们使用该应用程序的参与度(每周使用的次数)。这些应用程序根据它们的功能进行了分类,包括跟踪、提供指导锻炼、跟踪并提供指导锻炼,或者其他(例如,安排健身房课程或沉浸式游戏)。应用程序用于的体育活动类型被分为所有日常活动、个人活动(例如,跑步、骑自行车或步行)、基于团体的活动(例如,无挡板篮球、足球或足球)、基于健身房的活动(例如,健身课程或个人训练),或不同活动的组合(个人、基于团体和基于健身房的活动)。
与特定应用社区互动
关于参与者目前使用的主要体育活动应用程序,他们被要求自我报告他们对应用程序特定社区功能的参与情况。这包括在6点李克特量表上指定频率,范围从0 (从来没有)至5 (经常)他们参与应用程序社区的特定功能,例如分享体育活动帖子,为他人的帖子点赞和/或提供积极的评论,接受点赞和/或积极的评论,与他人比较自己的体育活动表现,以及参与比赛。此外,参与者被要求说明他们与应用社区的特定成员(包括合作伙伴、家人、亲密朋友、同事、公共应用特定社区成员和同事)一起使用上述功能的频率。示例项目包括在你目前使用的主要体育活动应用程序中,你多久与伴侣分享一次与你的体育活动表现有关的帖子?而且在你目前使用的主要体育活动应用程序中,你有多少次喜欢/Kudos/Cheer和/或对亲密朋友的体育活动帖子给予积极的评论?由于每个功能中的网络高度相关(α=.74),我们计算了应用社区中每个特定功能(如共享)在不同网络(如同伴和家庭)中的使用的综合得分,同时还检查了与每个功能相关的特定网络的独立影响。
那些指定他们正在使用的主要体育活动应用程序包含一个特定于应用程序的社区,但报告称他们没有参与其中的参与者被提供了一个开放式问题,以确定其基本原理。初步主题由第一作者确定,随后由两个独立的编码员进行分类。
与现有的社交网络平台有关的体育活动
参与者还被要求根据本研究开发的测量方法,自我报告他们与体育活动相关的现有社交网络平台的使用情况。具体来说,参与者被要求在李克特量表(Likert scale)的6分制上详细说明(从从来没有= 0经常=5)他们分享体育活动的帖子,喜欢和/或在别人的帖子上提供积极的评论,收到喜欢和/或积极的评论,并将他们的体育活动表现与其他人在Facebook、Instagram和Twitter上的体育活动帖子进行比较(加上指定其他平台的选项)。包括示例项目你多久在以下社交网络平台上分享一次体育活动的帖子?而且你喜欢和/或对以下社交网络平台上其他人发布的体育活动帖子给予积极评价的频率是多少?研究人员计算了在不同社交网络平台(如Facebook和Instagram)上使用每种特定功能(如分享)的综合得分。
统计分析
数据分析使用社会科学统计包第25版(IBM, Corp)。所有分析的显著性为P< . 05(2-tailed)。总体而言,研究变量(除了应用粘性)并没有偏离基于偏态、峰度或直方图检查的正态。因此,除了使用非参数检验(Kruskal-Wallis检验)的应用粘性变量外,所有分析均采用参数检验。
描述性统计被用来产生人口统计资料。一系列独立的样本t研究人员进行了测试和卡方分析,以确定应用程序用户和非用户在年龄、性别认同、种族和每周体育活动时间方面的差异。使用卡方分析来识别基于人口统计数据(年龄和性别身份)的应用程序使用差异(即最常用的应用程序,所使用的应用程序的功能,以及应用程序用于的活动)。我们使用Dunn-Bonferroni修正进行了Kruskal-Wallis测试,以检查应用粘性(每周使用应用的频率)和身体活动之间的关系。
Kruskal-Wallis测试也用于研究应用社区特定功能的使用与应用用户粘性之间的关系。此外,我们还进行了单向方差分析,以确定基于年龄、应用功能和应用活动的应用特定社区功能的用户粘性差异,但不包括性别认同(因为男性比例较小)。上述分析重复使用现有社交网络平台的特定功能。独立样本t测试和卡方分析也用于确定特定应用社区和现有社交网络平台的用户和非用户之间的差异。
最后,进行了多元线性回归,以探索应用程序用户身体活动的预测因素。回归模型结合了应用使用频率和应用特定社区(包括特定网络)和现有社交网络平台的所有特征。人口统计学特征(年龄、性别认同和种族)被纳入作为控制变量。
结果
样本
总共有1640人开始了调查,其中208人没有完成调查(回复率为87.3%),最终样本为1432人。样本的平均年龄为34.1岁(范围18-83岁),主要由女性参与者组成(1256/1432,88.00%)。总体而言,样本进行了高水平的结构化体育活动(平均每周266.8分钟,标准差219.8),53.14%(761/1432)报告目前正在使用体育活动应用程序。
呈现应用用户和非用户的人口统计学特征。两组(应用程序用户和非用户)在年龄、性别认同或种族方面没有显著差异。然而,应用程序用户每周进行的有组织的体育活动明显多于非用户( ).总体而言,在报告参加体育活动的人中,参与者主要从事个人体育活动(例如,散步或跑步,619/ 858,72.2%),其次是基于健身房的活动(例如,体育课,324/ 620,52.2%)和基于体育的活动(例如,无挡板篮球或足球,88/ 324,27.2%)。与此相关,参与者每周花在个人活动上的时间最多(平均133.6分钟,SD 176.5),其次是基于体育的活动(平均113.5分钟,SD 110.7)和基于健身房的活动(平均83.2分钟,SD 94.9)。同样,这在应用程序用户和非用户之间是一致的( ).特征 | 应用用户(n=761) | 使用者(n = 671) | P价值一个 | 影响大小,Φ | 效应量,Cohend | ||||||
年龄(年),n(%) | 点 | 0.12 | N/Ab | ||||||||
年龄在18岁至25岁之间 | 243 (32.0) | 257 (38.3) | |||||||||
> 25 - 30 | 115 (15.0) | 76 (11.4) | |||||||||
> 30 - 40 | 190 (25.0) | 119 (17.7) | |||||||||
> 40 | 208 (27.3) | 214 (31.9) | |||||||||
性别认同,n(%) | 总收入 | 0.006 | N/A | ||||||||
女 | 668 (88.0) | 588 (88.0) | |||||||||
男性 | 84 (11.0) | 73 (11.0) | |||||||||
种族,n(%) | 正 | 0.05 | N/A | ||||||||
白色 | 682 (89.6) | 581 (86.6) | |||||||||
亚洲 | 35 (4.6) | 37 (5.5) | |||||||||
印度 | 10 (1.3) | 13 (1.9) | |||||||||
其他 | 34 (4.5) | 40 (6.0) | |||||||||
结构化体力活动(每周分钟),平均值(SD) | |||||||||||
全面结构化的体育活动 | 309.0 (214) | 219.0 (216) | <措施 | N/A | 0.42 | ||||||
个人活动(n=858) | 141.9 (179.4) | 120.6 (171.3) | . 21 | N/A | 0.08 | ||||||
体育活动(n=324) | 115.5 (120.4) | 110.7 (96.4) | 收 | N/A | 0.06 | ||||||
以健身房为基础的活动(n=620) | 77.4 (79.8) | 92.8 (115.3) | 23) | N/A | 0.09 |
一个统计显著性表示为P< . 05。
bN/A:不适用。
体育活动App使用
介绍了最常用的体育活动应用程序。Fitbit(171/761, 22.5%),其次是Strava(130/761, 17.1%)和Garmin(102/761, 13.4%)是最受欢迎的应用程序,这与年龄或性别无关。参与者最常使用那些能够专门跟踪行为的应用程序,并且主要使用用于个人活动(例如跑步或散步)的应用程序。这在年龄和性别认同方面是一致的。
参与者中使用体育活动应用程序的比例最高,每周使用7次(296/761,39.0%),其次是每周使用3次(102/761,13.4%)和超过7次(70/761,9.2%)。Kruskal-Wallis测试比较每周体育活动持续时间,发现有统计学意义的差异(P=.006)。具体来说,两两比较发现,每周使用6次应用程序的参与者进行的结构化体育活动(中位数491.9分钟)明显高于每周使用2次应用程序的参与者(中位数297.4分钟;P= .003)。总体而言,每周使用应用程序6次的参与者参与了最高水平的结构化体育活动。
体育活动应用的社交成分的使用
在应用程序用户中,3.4%(26/761)只使用特定的应用程序社区,59.9%(456/761)只使用现有的社交网络平台,22.0%(167/761)既使用特定的应用程序社区,也使用现有的社交网络平台。这在年龄、性别认同、种族、所使用应用程序的功能(如跟踪)、应用程序的体育活动类型或每周使用应用程序的频率方面没有显著差异。
结合应用程序特定社区使用体育活动应用程序
在应用程序用户中,59.0%(447/761)的人表示,他们目前使用的体育活动应用程序包含特定的应用程序社区。其中43.1%(193/447)报告参与社区活动。参与特定应用社区的参与者主要使用Strava(80/193, 41.5%)、Fitbit(40/193, 20.7%)和Garmin(13/193, 6.7%)。
显示应用社区用户和非用户之间的年龄分布存在显著差异。具体来说,应用社区用户主要是30岁。应用社区用户每周的结构化体育活动也明显多于非用户(t445= 2.62;P= .009;d= 0.25)。然而,应用特定社区的用户和非用户在性别认同、种族、应用所使用的功能(如跟踪)、应用所用于的体育活动类型或每周应用使用量方面没有显著差异。在报告没有参与特定应用社区的参与者中(254/447,57.0%),确定的原因是隐私或安全问题,对使用社区的消极态度,认为没有必要,缺乏支持,对体育活动的性质的信念,对他人的体育活动表现不感兴趣,以及使用替代社交网络。其中,最常见的原因是认为没有必要使用社区(83/249,33.4%),对他人的身体活动表现不感兴趣(50/246,20.3%),以及隐私或安全问题(43/246,17.5%)。在参与特定应用社区的参与者中(n=193),用户最常使用的功能是分享体育活动表现,为他人的体育活动帖子提供鼓励(例如,点赞或积极评论),以及在自己的帖子上获得鼓励。据报道,这些功能最常用于亲密朋友或同龄人的网络。不同年龄、不同应用使用水平、不同应用功能或不同应用活动,用户对应用特定社区功能的粘性没有显著差异。
特征 | 社区用户(n=193) | 使用者(n = 254) | P价值一个 | 影响大小,Φ | 影响大小,科恩d | |
年龄(年),n(%) | .005 | 0.16 | N/Ab | |||
年龄在18岁至25岁之间 | 34 (17.7) | 77 (30.4) | ||||
> 25 - 30 | 29 (15.1) | 46 (18.2) | ||||
> 30 - 40 | 59 (30.6) | 65 (25.7) | ||||
> 40 | 70 (36.2) | 65 (25.7) | ||||
性别认同,n (%) | 0。 | 0.09 | N/A | |||
女 | 159 (82.4) | 229 (90.2) | ||||
男性 | 29 (15.0) | 24 (9.4) | ||||
种族,n (%) | 。45 | 0.11 | N/A | |||
白色 | 177 (91.7) | 231 (90.9) | ||||
亚洲 | 9 (4.7) | 9 (3.5) | ||||
印度 | 2 (1.0) | 4 (1.6) | ||||
其他 | 5 (2.6) | 10 (4.0) | ||||
结构化体力活动(每周分钟),平均值(SD) | 357.6 (217.7) | 305.4 (196.3) | .009 | N/A | 0.25 | |
应用类型,n(%) | 点 | 0.09 | N/A | |||
跟踪 | 184 (95.3) | 234 (92.1) | ||||
指导训练 | 5 (2.6) | 14 (5.5) | ||||
跟踪和锻炼 | 3 (1.6) | 2 (0.8) | ||||
其他(预订课程或沉浸式游戏) | 1 (0.5) | 4 (1.6) | ||||
体育活动app用于,n(%) | 23) | 0.11 | N/A | |||
所有日常活动 | 18 (9.3) | 39 (15.3) | ||||
个人活动 | 154 (80.0) | 184 (72.4) | ||||
组的活动 | 0 (0.0) | 1 (0.4) | ||||
Gym-based活动 | 10 (5.2) | 18 (7.1) | ||||
结合以个人和团体为基础的活动和以健身为基础的活动 | 6 (3.1) | 6 (2.4) |
一个统计显著性表示为P< . 05。
bN/A:不适用。
结合现有的社交网络平台使用体育活动应用
在应用程序用户中,82.0%(624/761)的人报告说,他们使用现有的社交网络平台(Facebook、Instagram或Twitter)进行体育活动。现有社交网络平台的用户和非用户在年龄、性别认同或种族方面没有显著差异。使用现有社交网络平台的参与者比不使用社交网络平台的参与者进行了更有组织的体育活动(t672= 2.9;P= 04;d= 0.44)。现有社交网络平台最常用的功能是在他人的体育活动帖子上提供鼓励,其次是在自己的体育活动帖子上接受鼓励(如点赞或评论)。值得注意的是,根据年龄的不同,使用现有社交网络平台功能的频率存在显著差异,无论是分享体育活动帖子(F3666年= 5.37;P=.001),并进行比较(F3666年= 19.0;P<措施)。具体来说,18-25岁的参与者在现有社交网络平台上分享帖子的频率明显低于所有其他年龄段。此外,> - 40岁的参与者相对于所有其他年龄组的比较显著减少。然而,根据应用程序的使用频率或应用程序的功能或应用程序用于的活动,现有社交网络平台功能的使用频率没有显著差异。
探索身体活动的预测因素
回归模型占结构化体育活动方差的42.6%(右2=0.426),显著(F96= 1.87;P< . 01)。以下变量是结构化体育活动的显著正向预测因素:应用程序使用频率(β=.25;P=.009),鼓励伴侣(β=.52;P=.005),接受亲密朋友的鼓励(β=.59;P=.01)和家庭(β=.48;P=.02),与公共应用特定社区的成员进行竞争(β=.38;P=.001),以及在现有社交网络平台上分享帖子(β=.31;P= 04)。此外,以下变量是结构化体育活动的显著负预测因素:与伴侣共享体育活动帖子(β= - .40;P=.007),鼓励亲密的朋友(β= - .57;P=.01),从公共应用特定社区的成员那里获得鼓励(β= - .35;P=.04),与伙伴进行竞争(β= - .30;P= .04点,
).变量 | β | t测验 | P价值一个 | ||
性别认同 | −0。 | −0.62 | 53 | ||
年龄 | −.02点 | −0.24 | 结果 | ||
种族 | 0。 | -0.48 | 点 | ||
应用粘性(频率) | 二十五分 | 2.64 | .009 | ||
App-specific社区 | |||||
分享文章 | |||||
合作伙伴 | −.40 | −2.74 | .007 | ||
家庭 | −只要 | −1.09 | 陈霞 | ||
亲密的朋友 | 。08 | 0.50 | .62 | ||
同行 | 02 | 0.14 | 多多 | ||
公共应用社区 | −.02点 | −0.16 | .87点 | ||
的同事们 | −酒精含量 | −1.24 | . 21 | ||
提供鼓励 | |||||
合作伙伴 | 点 | 2.90 | .005 | ||
家庭 | −。08 | −0.45 | .64点 | ||
亲密的朋友 | −.57 | −2.50 | . 01 | ||
同行 | .19 | 0.96 | 点 | ||
公共应用社区 | 29 | 1.97 | 0。 | ||
的同事们 | .10 | 0.53 | .59 | ||
收到鼓励 | |||||
合作伙伴 | −.14点 | −0.84 | .40 | ||
家庭 | 的相关性 | 2.28 | 02 | ||
亲密的朋友 | .59 | 2.41 | . 01 | ||
同行 | . 01 | 0.07 | 总收入 | ||
公共应用社区 | −.35点 | −1.98 | .04点 | ||
的同事们 | −酒精含量 | −0.81 | .41点 | ||
参与比赛 | |||||
合作伙伴 | −.30 | −2.0 | .04点 | ||
家庭 | −.06点 | −0.40 | i = | ||
亲密的朋友 | −16 | −1.16 | 。 | ||
同行 | −只要 | −1.25 | . 21 | ||
公共应用社区 | 38 | 3.27 | 措施 | ||
的同事们 | −07 | −0.55 | .57 | ||
参与比较 | |||||
合作伙伴 | 酒精含量 | 0.93 | .35点 | ||
家庭 | −.04点 | −0.24 | 结果 | ||
亲密的朋友 | −。 | −1.05 | 29 | ||
同行 | 酒精含量 | 0.93 | .35点 | ||
公共应用社区 | . 01 | 0.06 | 总收入 | ||
的同事们 | 06 | 0.35 | 开市 | ||
现有的社交网络平台 | |||||
分享文章 | 。31 | 2.92 | 04 | ||
提供鼓励 | −07 | −0.63 | 点 | ||
收到鼓励 | 16 | 1.43 | 酒精含量 | ||
参与比较 | 02 | 0.20 | 点 |
一个统计显著性表示为P< . 05。
讨论
主要研究结果
这项研究旨在全面检查商业体育活动应用程序的使用情况,以及应用程序使用情况与体育活动之间的关系。此外,我们还试图探索应用程序(特定于应用程序的社区和现有的社交网络平台)的社交组件的使用,以及它们在促进体育活动中的价值。这项研究很及时,因为商业体育活动应用程序无处不在,而且需要了解这些应用程序的特定组件如何有利于促进体育活动。
总的来说,研究结果表明,使用体育活动应用程序是普遍的,超过一半的参与者报告说他们目前使用体育活动应用程序。我们的发现与克雷布斯和邓肯[
他们报告说,在一个庞大的、多样化的美国样本中(50%为女性),58.2%的人下载过健康相关的应用程序,其中52.8%的人使用该应用程序来跟踪身体活动。这既反映了商业体育活动应用的无所不在,也反映了它们拥有高人群覆盖率的能力。值得注意的是,体育活动应用程序用户参与的体育活动明显更有条理,这与之前的一项研究结果一致,该研究记录了体育活动应用程序用户参与体育活动的可能性比非用户高27%。 ].在这项研究中,应用程序用户主要使用Fitbit、Strava和Garmin,这些应用程序的主要功能是跟踪或监控行为。这可能解释了应用程序用户的体育活动水平较高,因为自我监控是一种行为改变技术,始终与增加的体育活动有关[ , ].这些发现表明,商业体育活动应用程序可能有很大的潜力来影响体育活动。然而,必须承认的是,应用程序使用和体育活动之间的因果关系目前尚不清楚,因为那些从事高水平体育活动的人可能会被应用程序吸引来监控他们的行为。需要对应用程序使用和身体活动进行纵向研究,以确定这种关系的方向。这项研究发现,参与者每周有7次使用体育活动应用程序,与之前的研究一致,应用程序的使用频率与体育活动显著相关[
].有趣的是,每周使用6次应用程序的参与者每周进行最长时间(分钟)的结构化体育活动。这表明相对高的应用程序使用与高水平的身体活动相关,反映了之前引用的应用程序使用与行为结果(如身体活动)之间的剂量-反应关系[ ].目前的研究结果进一步强调,应用程序的使用是适当利用应用程序促进身体活动的一个重要考虑因素。这强调了检查应用的特定组件(即社交组件)的重要性,这些组件可能被利用来提高应用的使用率。这项研究的一个新颖之处在于它对商业体育活动应用的社交组件(应用程序特定的社区和现有的社交网络平台)进行了全面检查。有趣的是,应用程序社交组件的使用情况存在显著差异,例如大多数应用程序用户只使用现有的社交网络平台(与体育活动相关,456/761,59.9%),而同时使用应用程序特定社区和现有社交网络平台(167/761,22.0%)或只使用应用程序特定社区(26/761,3.4%)的用户则少得多。这也许并不奇怪,因为现有的社交网络平台非常受欢迎,具有广泛的覆盖范围,并实现了高水平的持续参与。
].年龄是导致应用社交组件使用差异的另一个因素,例如,应用特定社区的用户主要是30岁(66.8%);相比之下,年龄与现有社交网络平台的使用无关。这表明,特定应用社区最适合特定人群(>30岁),而现有的社交网络平台可以更广泛地应用于该人群。与此相关,未来的研究可以考虑考察其他可能影响特定应用社区和/或现有社交网络平台使用的因素,例如一个人在社交网络平台上的存在感(即那些有社交网络存在感的人与没有社交网络存在感的人)。尽管应用特定社区和现有社交网络平台的使用存在差异,但两者的社交功能使用情况相似,提供和接受鼓励是最受欢迎的功能。有趣的是,研究结果还表明,人口统计学特征可能与个人使用特定特征的可能性有关。例如,相对于现有的社交网络平台,18-25岁的人分享帖子的频率低于所有其他年龄段,而> - 40岁的人进行比较的频率低于所有其他年龄段。这与最近的一项综述一致[
]的移动健康干预研究,记录了对促进比较、竞争或社会支持的社会特征的偏好在参与者之间有所不同,并声称这可能与个体差异(例如竞争力)有关。在利用体育活动应用程序(例如现有的社交网络平台)的社交组件功能时,一刀切的方法是不合适的,必须考虑个体差异。未来的研究可以通过研究其他个体差异因素,如心理特征(竞争力和社会比较)是否会影响特定特征的使用,来有效地扩展这一理解。值得注意的是,应用程序特定社区和现有社交网络平台的使用与结构化体育活动的参与度显著提高有关。这是一个新颖的发现,因为它表明应用程序的社交组件可能在促进身体活动方面发挥着重要作用。这可能是因为应用特定社区和现有社交网络平台产生社会支持的独特能力。
],是参与体育活动的重要决定因素[ , ].另一种解释是,参与更多体育活动的人有更多的内容可以分享,也更有可能参与应用程序的社交组件,这反过来可能会促进相互支持的互动。这项研究证明了应用程序的社交组件在促进身体活动方面的价值,以及在未来研究中进一步研究应用程序特定社区和现有社交网络平台的必要性。最后,回归分析显示,应用程序的使用频率是结构化体育活动的重要预测因素,这表明需要确定促进应用程序使用的策略。有趣的是,在特定的应用程序社区中,向伴侣提供鼓励、从亲密的朋友和家人那里获得鼓励,以及与公共应用程序特定社区成员进行竞争是体育活动的积极预测因素。相反,分享体育活动帖子、与伴侣竞争、向亲密朋友提供鼓励,以及从公共应用特定社区成员获得鼓励,都是体育活动的负面预测因素。这些发现表明,从强关系(亲密的朋友和家人)中获得鼓励有助于促进体育活动,而从弱关系(公共应用程序特定的社区)中获得鼓励则不然。这与之前的研究相一致,研究表明,牢固的关系能提供情感支持(鼓励、同理心)。
, ],这与改善健康状况有关[ ],并且更有可能开始并保持身体活动[ ].相反,弱关系通常只提供信息支持(建议或建议)。 , ],与健康行为呈负相关[ ],这是由于收到了不需要或多余的信息或建议[ ].然而,研究结果确实表明,与弱关系(特定于公共应用程序的社区)进行竞争有利于促进体育活动,而与强关系(如合作伙伴)进行竞争或可能产生竞争的行为(分享体育活动帖子)与体育活动呈负相关。这与现有的研究相一致,研究表明,与强关系的比较(产生竞争)会引发更大的压力,以及对经历羞耻和尴尬的恐惧,最终会降低一个人做出这种行为的可能性。 , ].总之,这些发现提供了对应用程序特定社区的特定特征(和网络)的重要理解,这些特征对促进身体活动最有益,因此应该在未来基于应用程序的干预中加以利用。回归分析还表明,与现有的社交网络平台相比,分享体育活动帖子可以积极预测体育活动的参与度。考虑到最近的一项研究[
研究发现,在现有的社交网络平台上分享与跟踪健康信息(如身体活动、睡眠或卡路里)相关的帖子与社会支持呈正相关,而这反过来又预测了相关健康行为的参与度。这强调了未来研究需要进一步探索现有社交网络平台在体育活动应用程序和体育活动行为方面的使用。此外,未来的研究可以探索不同的社交网络环境(例如,网络规模或组成)如何与应用程序相互作用,从而影响身体活动。影响
我们的发现对于指导未来基于应用程序的干预措施的设计具有重要意义。他们证明,商业体育活动应用程序,特别是那些易于自我监测的应用程序(如Fitbit、Strava和Garmin)在促进体育活动方面具有巨大潜力。商业应用程序的便利性、可访问性和可负担性,加上它们促进身体活动的能力,强调未来基于应用程序的干预应利用商业应用程序,而不是以前的干预主要包括研究人员开发的应用程序[
].研究结果还表明,应用程序的社交成分在促进身体活动方面很重要,因此对于开发有效的基于应用程序的干预措施至关重要。更具体地说,就特定应用程序社区而言,从亲密的朋友和家人那里获得鼓励,向伙伴提供鼓励,并与公共应用程序特定社区的成员进行竞争,被证明是促进身体活动的最有益的功能,因此应该利用这些功能来实现效率最大化。然而,相对较少的应用用户参与特定的应用社区(193/447,43.1%),他们经常提到使用社区的障碍,包括不感兴趣、隐私或安全问题。然而,应用程序特定的社区在促进身体活动方面显示出巨大的潜力,因此,在设计未来的应用程序和基于应用程序的干预措施时,必须考虑并克服这些障碍。研究结果还表明,现有的社交网络平台通常用于体育活动,值得注意的是,在这些平台上分享体育活动帖子可以预测体育活动的参与度。因此,现有的社交网络平台将成为未来基于应用程序的干预措施的重要组成部分,因为它们有能力实现高水平的使用并促进体育活动的参与。本研究对指导未来研究也有重要意义。现在需要实验证据来分离应用程序的社交组件及其相关功能对身体活动的影响。未来的研究还应努力确定应用特定社区和现有社交网络平台促进身体活动的潜在机制(如社会支持和自我效能)。最后,需要进行纵向研究,以确定应用特定社区和现有社交网络平台在促进应用持续使用方面的价值,从而延长体育活动的参与度。
限制
与所有的研究一样,有一些局限性需要承认。首先,样本主要由白人女性组成,参与者的来源地(国家/地区)未知。这两个样本特征限制了研究结果对更广泛人群的泛化性。然而,应用使用率与之前报告的大型、多样化的美国样本相似。
].其次,样本作为一个整体从事高水平的有组织的体育活动,表明了自我选择偏差,因此,可能不能代表一般人群。第三,参与者自我报告有组织的体育活动,这可能导致少报或多报。此外,对结构化体育活动的评估并没有捕捉到附带的体育活动,而附带的体育活动通常是由跟踪或监控日常或个人体育活动的应用程序记录的。因此,未来的研究应该考虑使用加速度计衍生的身体活动测量方法,结合自我报告测量方法,能够捕捉结构化和偶然的身体活动。最后,还有许多因素可能会影响应用程序的使用和/或应用程序使用与身体活动之间的联系,如社会经济地位(SES)、健身设备的所有权以及与应用程序特定社区的整体参与度,这些因素在本次研究中没有被衡量。许多体育活动应用程序通常与健身设备(如fitbit和Apple watch)一起使用,这对一些人来说可能太贵了。因此,未来的研究可以研究SES、健身设备所有权、应用程序使用和身体活动之间的潜在相互作用。结论
尽管存在这些局限性,但这项研究通过全面探索商业体育活动应用程序的使用及其相关的社会成分,在一个大的横断面样本中,为现有文献做出了重要贡献。研究结果表明,使用商业体育活动应用程序有助于参与体育活动,因此,在传播可扩展的干预措施以改善健康行为方面具有巨大潜力。这项研究还对应用程序特定的社区和现有的社交网络平台提供了细致入微的洞察,确定它们是应用程序的组成部分,在促进身体活动方面有价值,应该在未来基于应用程序的干预措施的开发中加以利用。总之,这些发现强调了进一步研究应用程序的社交成分,并了解其影响身体活动的机制的重要性。通过这样做,这项研究表明,商业体育活动应用程序可以提供很高的人群覆盖率,并具有促进体育活动参与的巨大潜力。因此,未来旨在增加体育活动的干预措施应该进一步探索商业体育活动应用程序及其相关的社交组件。
致谢
作者要感谢Theodora Sevastidis编码定性反应和参与者完成在线问卷。
利益冲突
没有宣布。
体育活动应用程序的使用样本(n=761)。
PDF档案(adobepdf档案),72 KB参考文献
- Warburton DE, Nicol CW, Bredin SS.体育活动的健康益处:证据。中华医学会医学杂志2006年3月14日;17 (6):801-809 [免费全文] [CrossRef] [Medline]
- Barbour KA, Edenfield TM, Blumenthal JA。运动作为抑郁症和其他精神疾病的治疗:综述。中华心血管病杂志2007;27(6):359-367。[CrossRef] [Medline]
- Lee I, Shiroma EJ, Lobelo F, Puska P, Blair SN, Katzmarzyk PT,柳叶刀体育活动系列工作组。缺乏身体活动对全球主要非传染性疾病的影响:疾病负担和预期寿命分析Lancet 2012 july 21;380(9838):219-229 [免费全文] [CrossRef] [Medline]
- 古特尔德R,史蒂文斯GA,莱利LM,布尔FC。2001年至2016年全球体育活动不足趋势:对358项基于190万参与者的人口调查进行汇总分析。Lancet Glob Health 2018 10月;6(10):e1077-e1086 [免费全文] [CrossRef] [Medline]
- 艾特肯M,克兰西B,纳斯D. IQVIA:人类数据科学公司。2017.数字健康的价值不断增长https://www.iqvia.com/institute/reports/the-growing-value-of-digital-health[2019-07-29]访问
- Bondaronek P, Alkhaldi G, Slee A, Hamilton FL, Murray E.公开体育活动应用程序的质量:审查和内容分析。JMIR Mhealth Uhealth 2018年3月21日;6(3):e53 [免费全文] [CrossRef] [Medline]
- 彼得森JM,普里查德I,肯普斯E.体育活动移动应用程序与现有的基于网络的社交网络平台的比较:系统评价。J Med Internet Res 2019 Aug 16;21(8):e12687 [免费全文] [CrossRef] [Medline]
- Mollee J, Middelweerd A, Kurvers R, Klein M.智能手机应用程序使用了哪些技术功能来促进身体活动?回顾和内容分析。《计算机工程》2017年7月5日;21(4):633-643。[CrossRef]
- Cowan LT, van Wagenen SA, Brown BA, Hedin RJ, Seino-Stephan Y, Hall PC,等。钢铁应用:锻炼应用为消费者提供了现实的期望吗?:行为改变理论存在的运动应用内容分析。健康教育杂志2013年4月;40(2):133-139。[CrossRef] [Medline]
- 康瑞德,杨晨,Maher JP。行为改变技术在排名靠前的移动应用中用于体育活动。美国预防医学杂志2014年6月;46(6):649-652。[CrossRef] [Medline]
- Schoeppe S, Alley S, van Lippevelde W, Bray NA, Williams SL, Duncan MJ,等。使用应用程序改善饮食、身体活动和久坐行为的干预效果:一项系统综述2016年12月7日;13(1):127 [免费全文] [CrossRef] [Medline]
- 健身中心环境中运动类型、自我物化和身体形象之间的关系:运动原因的作用。精神运动演习2008年11月9日(6):855-866。[CrossRef]
- 克雷布斯P,邓肯DT。美国手机用户使用健康应用:一项全国性调查JMIR Mhealth Uhealth 2015年11月4日;3(4):e101 [免费全文] [CrossRef] [Medline]
- Litman L, Rosen Z, Spierer D, weinberg -Litman S, Goldschein A, Robinson J.移动锻炼应用程序与闲暇时间锻炼活动的增加:自我效能感和障碍作用的调节中介分析。J Med Internet Res 2015 Aug 14;17(8):e195 [免费全文] [CrossRef] [Medline]
- 格里夫斯CJ,谢泼德KE,亚伯拉罕C,哈德曼W,罗登M,埃文斯PH,图像研究小组。系统回顾了与饮食和身体活动干预的有效性提高相关的干预成分。BMC Public Health 2011 Feb 18;11:119 [免费全文] [CrossRef] [Medline]
- Knittle K, Nurmi J, Crutzen R, Hankonen N, Beattie M, Dombrowski SU.干预措施如何增加体育活动的动机?系统回顾和荟萃分析。健康精神病学2018年9月12日(3):211-230。[CrossRef] [Medline]
- Poirier J, Cobb NK。社会影响是网络健康干预参与的驱动因素。J medical Internet Res 2012 Feb 22;14(1):e36 [免费全文] [CrossRef] [Medline]
- Statista》2018。截至2018年第一季度,Facebook全球月活跃用户数量https://www.statista.com/statistics/264810/number-of-monthly-active-facebook-users-worldwide/[2019-07-04]访问
- Tong HL, Laranjo L.在移动健康干预中使用社交功能来促进身体活动:一项系统综述。NPJ数字医学2018;1:43 [免费全文] [CrossRef] [Medline]
- Santarossa S, Kane D, Senn CY, Woodruff SJ。探索在线健康行为改变干预的面对面组件的作用:数字的人对人组件是否足够?J Med Internet Res 2018年4月11日;20(4):e144 [免费全文] [CrossRef] [Medline]
- Duncan TE, McAuley E.运动坚持中的社会支持和有效性认知:潜在增长曲线分析。中华医学杂志1994,16(2):199-218。[CrossRef] [Medline]
- 社会影响-运动坚持关系的认知中介:对计划行为理论的检验。中华医学杂志1995 10月;18(5):499-515。[CrossRef] [Medline]
- 格兰诺维特女士:弱关系的力量。《中国社会杂志》1973年5月;78(6):1360-1380。[CrossRef]
- 网上和网下:网络时代社会资本的规模。J compmediated communications 2006年1月11日(2):593-628。[CrossRef]
- 王晓燕,王晓燕,王晓燕,王晓燕。情感、自尊、社会支持信息与健康的关系。卫生共通2017年11月28日;34(2):1-7。[CrossRef] [Medline]
- 郭宏宁,李志强,李志强,等。社会支持和保持和提高身体活动水平的可能性:白厅II研究。欧洲公共卫生2012 Aug;22(4):514-518 [免费全文] [CrossRef] [Medline]
- Oeldorf-Hirsch A, High AC, Christensen JL。计算你的卡路里并分享它们:在社交网站上分享移动健康信息的健康益处。卫生交流2019年9月34日(10):1130-1140。[CrossRef] [Medline]
- 麦克拉伦RM,高AC。受益不足和过度的支持差距对受伤的感情、尊重和关系的影响。公共决议2015年9月21日;46(6):785-810。[CrossRef]
- Garcia SM, Tor A, Schiff TM。竞争心理学:社会比较视角。心理科学展望2013 11月;8(6):634-650。[CrossRef] [Medline]
- 张军,张晓东。社交网络如何影响社会比较。In: Suls J, Collins RL, Wheeler L,编辑。社会比较,判断和行为。美国纽约:牛津大学出版社;2018.
缩写
SES:社会经济地位 |
G·艾森巴赫(G Eysenbach)编辑;提交21.11.19;同行评议作者Z Rosen, S King-Dowling;对作者23.01.20的评论;修订本于05.03.20收到;接受11.03.20;发表03.06.20
版权©Jasmine Maria Petersen, Eva Kemps, Lucy K Lewis, Ivanka Prichard。最初发表于《医疗互联网研究杂志》(//www.mybigtv.com), 2020年6月3日。
这是一篇开放获取的文章,根据创作共用署名许可(https://creativecommons.org/licenses/by/4.0/)的条款发布,允许在任何媒介上无限制地使用、分发和复制,前提是正确引用最初发表在《医学互联网研究杂志》上的原创作品。必须包括完整的书目信息,//www.mybigtv.com/上的原始出版物的链接,以及此版权和许可信息。