Board Games for Health: A Systematic Literature Review and Meta-Analysis
Notice bibliographique
Résumé
Nondigital board games are being used to engage players and impact outcomes in health and medicine across diverse populations and contexts. This systematic review and meta-analysis describes and summarizes their impact based on randomized and nonrandomized controlled trials. An electronic search resulted in a review of n = 21 eligible studies. Sample sizes ranged from n = 17 to n = 3110 (n = 6554 total participants). A majority of the board game interventions focused on education to increase health-related knowledge and behaviors (76%, n = 16). Outcomes evaluated included self-efficacy, attitudes/beliefs, biological health indicators, social functioning, anxiety, and executive functioning, in addition to knowledge and behaviors. Using the Cochrane Collaboration tool for assessing bias, most studies (52%, n = 11) had an unclear risk of bias (33% [n = 7] had a high risk and 14% [n = 3] had a low risk). Statistical tests of publication bias were not significant. A random-effects meta-analysis showed a large average effect of board games on health-related knowledge (d* = 0.82, 95% confidence interval; CI [0.15-1.48]), a small-to-moderate effect on behaviors (d* = 0.33, 95% CI [0.16-0.51]), and a small-to-moderate effect on biological health indicators (d* = 0.37, 95% CI [0.21-0.52]). The findings contribute to the literature on games and gamified approaches in healthcare. Future research efforts should aim for more consistent high scientific standards in their evaluation protocols and reporting methodologies to provide a stronger evidence base.
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 | 0,016 | 0,043 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,001 |
| Méta-épidémiologie (sens large) | 0,018 | 0,030 |
| Bibliométrie | 0,011 | 0,010 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».