Effects of interactive video game cycling on overweight and obese adolescent health
Notice bibliographique
Résumé
The purpose of this study was to examine the efficacy of interactive video game stationary cycling (GameBike) in comparison with stationary cycling to music on adherence, energy expenditure measures, submaximal aerobic fitness, body composition, and cardiovascular disease risk markers in overweight and obese adolescents, using a randomized controlled trial design. Thirty overweight (with at least 1 metabolic complication) or obese adolescents aged 12-17 years were stratified by gender and randomized to video game or music condition, with 4 participants (2 per group) failing to complete the twice weekly 60 min sessions of the 10-week trial. The music group had a higher rate of attendance compared with the video game group (92% vs. 86%, p < 0.05). Time spent in minutes per session at vigorous intensity (80%-100% of predicted peak heart rate) (24.9 ± 20 min vs. 13.7 ± 12.8 min, p < 0.05) and average distance (km) pedaled per session (12.5 ± 2.8 km vs. 10.2 ± 2.2 km, p < 0.05) also favoured the music group. However, both interventions produced significant improvements in submaximal indicators of aerobic fitness as measured by a graded cycle ergometer protocol. Also, when collapsed, the exercise modalities reduced body fat percentage and total cholesterol. The present study indicates that cycling to music was just as effective as stationary cycling while playing video games at improving fitness, body composition, and cholesterol profiles in overweight and obese teens, and resulted in increased attendance, vigorous intensity of physical activity, and distance pedaled. Therefore, our data support the superiority of cycling to music and indicate investing in the more expensive GameBike may not be worth the cost.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».