Evaluation of a Novel Mobile Exergame in a School-Based Environment
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
Physical inactivity is increasing among children globally and has been directly linked to the growing problems of overweight and obesity. We aim to assess the impact of a new mobile exergame, MobileKids Monster Manor (MKMM), in a school-based setting. MKMM, developed with input from youth to enhance physical activity, is wirelessly connected to an accelerometer-based activity monitor. Forty-two healthy students (11.3 ± 1.2 years old and 0.28 ± 1.29 body-mass index [BMI] z-score) participated in a randomized 4-week crossover study to evaluate the game intervention. The two study arms consisted of week-long baseline, game intervention/control, washout, and control/game intervention phases. All participants were required to wear an activity monitor at all times to record steps and active minutes for the study duration. MKMM was used during each arm's respective intervention week, during which children were asked to play the game at their convenience. When children were exposed to the game, an increase compared with the control phase of 2,934 steps per day (p = 0.0004, 95% CI 1,434-4,434) and 46 active minutes per day (p = 0.001, 95% CI 20-72) from baseline (12,299 steps/day and 190 active minutes/day) was observed. A linear regression model showed that MKMM yielded a greater increase in steps and active minutes per day among children with a higher BMI z-score, showing 10 percent more steps per day and 14 percent more active minutes per day relative to baseline, per unit increase in BMI z-score. In conclusion, MKMM increased steps and active minutes in a school-based environment. This suggests that mobile exergames could be useful tools for schools to promote physical activity and combat obesity in adolescents.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 | 0,000 |
| 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