Exposure to “Exergames” Increases Older Adults’ Perception of the Usefulness of Technology for Improving Health and Physical Activity: A Pilot Study
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: High rates of sedentary behaviors in older adults can lead to poor health outcomes. However, new technologies, namely exercise-based videogames ("exergames"), may provide ways of stimulating uptake and ongoing participation in physical activities. Older adults' perceptions of the use of technology to improve health are not known. OBJECTIVE: The study aimed to determine use and perceptions of technology before and after using a 5-week exergame. METHODS: Focus groups determined habitual use of technology and the participant's perceptions of technology to assist with health and physical activity. Surveys were developed to quantitatively measure these perceptions and were administered before and after a 5-week intervention. The intervention was an exergame that focused on postural balance ("Your Shape Fitness Evolved 2012"). Games scores, rates of game participation, and enjoyment were also recorded. RESULTS: A total of 24 healthy participants aged between 55 and 82 years (mean 70, SD 6 years) indicated that after the intervention there was an increased awareness that technology (in the form of exergames) can assist with maintaining physical activity (P<.001). High levels of enjoyment (Physical Activity Enjoyment Scale [PACES-8] score mean 53.0, SE 0.7) and participation rates over the whole study (83%-100%) were recorded. CONCLUSIONS: Older adults' have low perception of the use of technology for improving health outcomes until after exposure to exergames. Technology, in the form of enjoyable exergames, may be useful for improving participation in physical activity that is relevant for older adults.
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.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,000 |
| 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 découle