Investigating the effects of physical activity counselling (pac) on physical activity levels and depressive symptoms in female undergraduate students suffering from depression
Notice bibliographique
Résumé
Depression is a serious health concern among university students (Ibrahim et al., 2013). Although pharmacotherapy remains the primary treatment for depression, it may not be the most sufficient treatment (Stanton et al., 2014). Recent reviews and meta-analyses support that physical activity has a considerable influence on reducing depressive symptoms (Schuch et al., 2016; Wegner et al., 2014); however there are obvious challenges in getting people moving. One potential strategy, which has received support in helping people become more active, is Physical Activity Counselling (Fortier et al., 2011). Physical Activity Counselling (PAC) focuses on motivating individuals to be more physically active for personally derived reasons. The purpose of this study was to investigate the effects of a two-month PAC intervention on physical activity levels and depressive symptoms in female undergraduate students suffering from depression. The hypotheses were: (1) PAC will increase physical activity levels (2) Increased physical activity levels will reduce depressive symptoms. Physical activity and depressive symptoms were assessed via self-reported questionnaires (Godin Leisure-Time Exercise Questionnaire and Patient Health Questionnaire) administered every second day through FluidSurveys, an online platform. Results from visual analysis supported our hypotheses. Statistical analysis, using paired-samples t-tests, revealed an increase in self-reported physical activity from baseline (M=11.10, SD= 8.46) to endpoint (M=21.60, SD= 13.46) and a decrease in depressive symptoms from baseline (M=14.60, SD=6.69) to endpoint (M= 11.00, SD= 3.80). The eta squared statistics (0.60 and 0.44) indicated large effects. These results support the role of PAC as an approach to increase physical activity levels for the improvement of depressive symptoms.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| 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 | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».