Une étude massive de deux ans révèle que les applications de fitness peuvent aider les gens à prendre plus de mesures, mais les améliorations sont modestes et inégales, sur les grandes questions sur qui profite le plus et comment rendre les outils de santé numériques durables.
Étude: Les applications de fitness peuvent-elles fonctionner à long terme? Une expérience quasi de 24 mois de 516 818 utilisateurs d'applications de fitness canadiennes. Crédit d'image: nan_got / shutterstock
Dans une étude récente publiée dans le Journal britannique de médecine sportiveles chercheurs ont évalué l'efficacité à long terme des applications de fitness.
Malgré plus de 100 000 applications de fitness commerciales dans les magasins d'applications, il y a des connaissances limitées sur leurs effets à long terme. Des revues systématiques des essais contrôlés randomisés (ECR) n'ont trouvé aucune étude examinant l'impact des applications de fitness au-delà d'un an. Comprendre les effets à long terme des applications de fitness est crucial pour les concevoir efficacement.
Cependant, la mise en œuvre des ECR longitudinales dans des environnements numériques peut être difficile en raison de facteurs tels que les coûts de développement de logiciels et les problèmes de rétention. De plus, le fait de s'appuyer sur les méthodes d'ECC conventionnelles peut limiter les avantages des applications de fitness. En tant que tels, des quasi-expériences robustes intégrant des stratégies pour améliorer la validité interne peuvent aider à découvrir l'efficacité à long terme des applications de fitness.
À propos de l'étude
Dans la présente étude, les chercheurs ont étudié si une application de fitness multi-composants pouvait augmenter l'activité physique (PA) sur une période de deux ans. L'application «Carrot Rewards» était une application commerciale de fitness avec des micro-incitations financières développées en tant que collaboration publique-privé au Canada. Les participants ont téléchargé l'application entre décembre 2016 et décembre 2018.
L'application a été interrompue le 19 juin 2019 en raison d'un financement insuffisant. Les données ont été collectées jusqu'au 18 juin 2019. Les utilisateurs pouvaient démarrer la caractéristique clé de Carrot Rewards, «Steps», lors du téléchargement. Il y avait une période de pré-intervention ou de référence d'une à deux semaines (c.-à-d. Aucune incitation en AP ou objectifs de pas quotidiens personnalisés) avant que l'intervention ne soit utilisé sérieusement, lorsque les utilisateurs ont été invités à porter leur appareil quotidiennement.
Les utilisateurs ont gagné de très petites incitations quotidiennes («micro») pour atteindre les objectifs de pas quotidiens adaptatifs, et le retrait des récompenses quotidiennes en décembre 2018 a créé une expérience naturelle pour évaluer la durabilité.
Au moins cinq jours (avant le 26 juillet 2017) et trois jours (après le 26 juillet 2017) avec des dénombrements de pas valides ont été nécessaires pour un nombre de pas de référence. Le personnel de Carrot Rewards a établi ces critères, s'alignant avec les jours minimums nécessaires pour un nombre quotidien de passes moyens de la moyenne valide. Par la suite, l'équipe a calculé les dénombrements quotidiens moyens hebdomadaires, garantissant au moins quatre jours valides par semaine.
Le résultat principal était le nombre de pas quotidiennement moyen hebdomadaire. Les analyses ont inclus les utilisateurs avec un nombre de pas de base valide et au moins une autre semaine d'étude valide. Un modèle de régression linéaire multiple a été utilisé pour évaluer l'impact des récompenses des carottes sur une période de 24 mois. Le résultat secondaire a été l'influence de certaines covariables sur les effets longitudinaux, examinés en utilisant une régression linéaire multiple; Il s'agissait de PA de base, de la saison de début, de l'emplacement géographique et de l'engagement des applications.
Résultats
L'échantillon analytique comprenait 516 818 utilisateurs, avec un nombre de pas de référence moyen de 6 035. Environ 47,1% des utilisateurs ont été classés comme faibles actifs au départ. Les taux de rétention de douze mois variaient de 48% à 68% au cours des saisons de début. À 24 mois, les taux étaient de 47% pour l'hiver 2016/17 et 38% pour le printemps 2017. L'équipe a observé une légère augmentation du nombre de pas quotidien moyen hebdomadaire par rapport aux points de base à tous les moments.
En particulier, une augmentation de 464 étapes par jour a été observée 12 mois après la référence, et une augmentation de 242 étapes / jour a été notée à 24 mois. Les augmentations à six mois à partir de la ligne de base ont été principalement maintenues à 12 et 18 mois. Les utilisateurs qui ont commencé à utiliser l'application à partir de l'hiver 2016/17 ont montré des réductions du nombre de pas quotidiennement moyen hebdomadaire autour des semaines d'étude 52 et 104 lors des hivers de 2017/18 et 2018/19.
À 12 mois, environ 106 726 utilisateurs ont augmenté leur nombre de pas de ≥ 1 000 par jour, et 24 937 ont connu une augmentation de 1 000 étapes / jour à 24 mois. À 12 mois, environ 41% des utilisateurs ont augmenté leurs étapes quotidiennes de 1 000 ou plus, tandis qu'environ 25% ont diminué de ce montant. À 24 mois, environ 39% des utilisateurs ont augmenté leurs étapes quotidiennes et environ 27% les ont réduits.
Les utilisateurs avec des saisons de départ antérieures, qui ont eu une exposition plus prolongée aux récompenses, ont connu de légères augmentations de leurs comptes de pas moyens hebdomadaires de la ligne de base à 12 mois. De plus, parmi ceux qui ont des saisons de départ antérieures, le nombre de pas augmente par rapport à la ligne de base et diminue à 24 mois.
Notamment, l'augmentation du nombre de pas quotidiennement moyen hebdomadaire était plus grande pour les utilisateurs de base «faible actif» (+1 986 étapes / jour à 24 mois). À l'inverse, les individus atteints de PA de base très élevé ont subi une réduction considérablement importante (−3 969 étapes / jour à 24 mois, peut-être lié à une «évanouissement» ou à une régression »ou à la régression). Les augmentations d'AP étaient minimes dans tous les emplacements géographiques, avec la région la plus dense, le Toronto métropolitain, montrant les plus petites augmentations par rapport à la ligne de base. Tous les niveaux d'engagement des applications ont montré des augmentations faibles ou minimales, et à 12 mois, celles avec l'engagement le plus élevé ont montré des gains légèrement plus petits, un modèle qui a atténué de 24 mois.
Conclusions
Dans l'ensemble, il y a eu de très faibles augmentations dans le nombre de pas quotidiennement moyen hebdomadaire par rapport aux points de base à tous les points de temps. Cependant, les gains moyens n'ont pas atteint le seuil de 1 000 étapes couramment cité; Néanmoins, plus d'utilisateurs se sont améliorés que la baisse de ≥ 1 000 étapes par jour à 12 et 24 mois. Par conséquent, des augmentations modestes au niveau de la population ont été maintenues sur deux ans, avec plus de personnes présentant des augmentations cliniquement significatives que les réductions.
L'interprétation est limitée par la conception non randomisée, l'attrition à 12 et 24 mois, et l'erreur de mesure potentielle dans le nombre de pas dans des conditions de vie libre. Les auteurs soulignent également que les micro-incitations se sont révélées financièrement insoutenables, soulignant la nécessité de modèles alternatifs tels que les loteries ou les objectifs pondérés par l'IA.
