MétaCan
Menu
Retour à la cohorte
Enregistrement W1811760902 · doi:10.1186/s40798-015-0017-9

Synchronized personalized music audio-playlists to improve adherence to physical activity among patients participating in a structured exercise program: a proof-of-principle feasibility study

2015· article· en· W1811760902 sur OpenAlexafffund
David A. Alter, Mary P. O’Sullivan, Paul Oh, Donald A. Redelmeier, Susan Marzolini, Richard Liu, Mary Forhan, Michael Silver, Jack M. Goodman, Lee Bartel

Notice bibliographique

RevueSports Medicine - Open · 2015
Typearticle
Langueen
DomainePsychology
ThématiqueMusic Therapy and Health
Établissements canadiensCanadian University Music SocietyUniversity of AlbertaCanada Research ChairsUniversity of TorontoUniversity Health NetworkInstitute for Clinical Evaluative SciencesSunnybrook Health Science CentreToronto Rehabilitation Institute
Organismes subventionnairesInstitute for Clinical Evaluative SciencesToronto Rehabilitation InstituteOntario Ministry of Health and Long-Term CareOntario Centres of Excellence
Mots-clésPacePhysical therapyRhythmPreferenceMedicineMultimediaRandomized controlled trialRehabilitationPhysical medicine and rehabilitationPsychologyComputer scienceInternal medicine

Résumé

récupéré en direct d'OpenAlex

Preference-based tempo-pace synchronized music has been shown to reduce perceived physical activity exertion and improve exercise performance. The extent to which such strategies can improve adherence to physical activity remains unknown. The objective of the study is to explore the feasibility and efficacy of tempo-pace synchronized preference-based music audio-playlists on adherence to physical activity among cardiovascular disease patients participating in a cardiac rehabilitation. Thirty-four cardiac rehabilitation patients were randomly allocated to one of two strategies: (1) no music usual-care control and (2) tempo-pace synchronized audio-devices with personalized music playlists + usual-care. All songs uploaded onto audio-playlist devices took into account patient personal music genre and artist preferences. However, actual song selection was restricted to music whose tempos approximated patients’ prescribed exercise walking/running pace (steps per minute) to achieve tempo-pace synchrony. Patients allocated to audio-music playlists underwent further randomization in which half of the patients received songs that were sonically enhanced with rhythmic auditory stimulation (RAS) to accentuate tempo-pace synchrony, whereas the other half did not. RAS was achieved through blinded rhythmic sonic-enhancements undertaken manually to songs within individuals’ music playlists. The primary outcome consisted of the weekly volume of physical activity undertaken over 3 months as determined by tri-axial accelerometers. Statistical methods employed an intention to treat and repeated-measures design. Patients randomized to personalized audio-playlists with tempo-pace synchrony achieved higher weekly volumes of physical activity than did their non-music usual-care comparators (475.6 min vs. 370.2 min, P < 0.001). Improvements in weekly physical activity volumes among audio-playlist recipients were driven by those randomized to the RAS group which attained weekly exercise volumes that were nearly twofold greater than either of the two other groups (average weekly minutes of physical activity of 631.3 min vs. 320 min vs. 370.2 min, personalized audio-playlists with RAS vs. personalized audio-playlists without RAS vs. non-music usual-care controls, respectively, P < 0.001). Patients randomized to music with RAS utilized their audio-playlist devices more frequently than did non-RAS music counterparts (P < 0.001). The use of tempo-pace synchronized preference-based audio-playlists was feasibly implemented into a structured exercise program and efficacious in improving adherence to physical activity beyond the evidence-based non-music usual standard of care. Larger clinical trials are required to validate these findings. ClinicalTrials.gov ID ( NCT01752595 )

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Essai non randomisé · Signal consensuel: Essai non randomisé
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,018

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,004
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,132
Tête enseignante GPT0,461
Écart entre enseignants0,329 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

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

Citations55
Publié2015
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueSports Medicine - OpenMême sujetMusic Therapy and HealthTravaux en français237 207