MétaCan
Menu
← Retour à la cohorte
Enregistrement W1961889771 · doi:10.1161/circ.129.suppl_1.mp82

Abstract MP82: Exergaming and Physical Activity Guidelines- A Population-Based Study of Young Adults

2014· article· en· W1961889771 sur OpenAlexaff
Lisa Kakinami, Erin K. O’Loughlin, Erika N. Dugas, Catherine M. Sabiston, Gilles Paradis, Jennifer O’Loughlin

Notice bibliographique

RevueCirculation · 2014
Typearticle
Langueen
DomaineMedicine
ThématiquePhysical Activity and Health
Établissements canadiensUniversity of TorontoUniversité de MontréalConcordia UniversityMcGill University
Organismes subventionnairesnon disponible
Mots-clésMedicinePhysical activityPopulationDemographyGerontologyPhysical therapyEnvironmental health

Résumé

récupéré en direct d'OpenAlex

Background: Compared to traditional non-active video games, exergaming may contribute significantly to overall daily physical activity (PA), but the association in population-based samples has not been fully explored. Objectives: To assess whether total minutes of PA per week among exergamers differs from non-exergamers, and whether the likelihood of meeting PA guidelines differs between exergamers and non-exergamers. Methods: Data were available from the 2011-2012 wave of the Nicotine Dependence in Teens (NDIT) study (n=829). Multivariable models assessed the association between exergaming with moderate, vigorous, and moderate-to-vigorous PA (MVPA) minutes in the past week, and the association between exergaming and meeting PA guidelines after adjusting for age, household income, employment status, education, weight status, and screen time. Exergaming was defined as use ≥ 1-3 times per month in the past year, and PA guidelines were defined as ≥ 150 minutes of moderately intense PA, or ≥ 75 minutes of vigorously intense PA, or a combination. Minutes of PA were measured using the well-validated International Physical Activity Questionnaire. Sex differences in exergaming use and exergaming beliefs and attitudes were also assessed. Results: In this population-based sample of young adults (mean age 24 [SD: 0.7] years, 55% female [n=455]), 18% (n=148) of the participants were exergamers (54% female, n=80). Exergaming males and females reported an average of 88.4 and 65.7 exergaming minutes in the past week, respectively. Compared to male exergamers, female exergamers were more likely to believe that exergaming is a good way to integrate PA into their lives (p<0.001), were more likely to prefer exergaming to indoor/outdoor sports (p=0.03), and were more likely to use fitness-training exergames at home (p=0.006). Perceived levels of exertion were also significantly different between male and female exergamers. The majority of male exergamers reported light (51%, n=23) or moderate (44%, n=20) exergaming exertion, whereas female exergamers reported moderate (53%, n=30), as well as light (28%, n=16) and intense (19%, n=11) exertion (p=0.02). After adjusting for covariates, male exergamers were not significantly different from male non-exergamers in total minutes of PA per week, but female exergamers reported 47 more minutes of moderate PA in the past week compared to female non-exergamers (p=0.03). There was no association between exergaming and meeting PA guidelines in either males or females. Conclusions: Exergaming contributes to moderate-intensity PA among females but not among males in this population based sample of young adults. Exergaming may therefore be an important source of PA for women, but the current landscape of exergames may be inadequate to substantially increase minutes of PA among males. Differences in attitudes toward exergaming should be further explored.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,012
Score d'incertitude au seuil0,024

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,057
Tête enseignante GPT0,357
Écart entre enseignants0,300 · 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'étudeObservationnel
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

Citations0
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCirculation→Même sujetPhysical Activity and Health→Travaux en français237 207→