Exposure to “Exergames” Increases Older Adults’ Perception of the Usefulness of Technology for Improving Health and Physical Activity: A Pilot Study
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.
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 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 ».