The effect of active video games by ethnicity, sex and fitness: subgroup analysis from a randomised controlled trial
Notice bibliographique
Résumé
BACKGROUND: The prevention and treatment of childhood obesity is a key public health challenge. However, certain groups within populations have markedly different risk profiles for obesity and related health behaviours. Well-designed subgroup analysis can identify potential differential effects of obesity interventions, which may be important for reducing health inequalities. The study aim was to evaluate the consistency of the effects of active video games across important subgroups in a randomised controlled trial (RCT). FINDINGS: A two-arm, parallel RCT was conducted in overweight or obese children (n=322; aged 10-14 years) to determine the effect of active video games on body composition. Statistically significant overall treatment effects favouring the intervention group were found for body mass index, body mass index z-score and percentage body fat at 24 weeks. For these outcomes, pre-specified subgroup analyses were conducted among important baseline demographic (ethnicity, sex) and prognostic (cardiovascular fitness) groups. No statistically significant interaction effects were found between the treatment and subgroup terms in the main regression model (p=0.36 to 0.93), indicating a consistent treatment effect across these groups. CONCLUSIONS: Preliminary evidence suggests an active video games intervention had a consistent positive effect on body composition among important subgroups. This may support the use of these games as a pragmatic public health intervention to displace sedentary behaviour with physical activity in young people.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,027 | 0,047 |
| Méta-épidémiologie (sens strict) | 0,004 | 0,001 |
| Méta-épidémiologie (sens large) | 0,014 | 0,024 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,004 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,001 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».