SYSTEMATIC REVIEW OF THE EFFECTS OF NON-VR EXERGAMING ON MOBILITY OUTCOMES OF OLDER ADULTS LIVING IN LONG-TERM CARE
Notice bibliographique
Résumé
Abstract Introduction: Institutionalized older adults have high-rates of mobility decline resulting in reduced quality of life and increased dependency. Given the ageing population, there has been a proliferation of exergaming technology targeting older adults to maintain their physical activity (PA) levels and prevent decline. However, it is unclear if exergaming is effective to maintain or improve the PA of institutionalized older adults. Method: Four databases (MEDLINE/CINAHL/PsycINFO/Compendex) were systematically searched (key terms like “nursing homes”, exergaming”). Quantitative manuscripts examining the effects of exergaming on PA measures of institutionalized older adults published in English between 2006-present were eligible. Virtual reality was excluded from the search. No meta-analysis was conducted due to hetereogeneity of the results. Results: 11 studies were included from a search that yielded 208 results. The exergaming platforms that were used the most were the Kinect and Wii. The most commonly used PA measures were the Berg Balance Scale and the Timed-up-and-Go (n=4 studies) with no other measures being used in more than one study. Interventions ranged in exercise (e.g. cognitive-motor training, strength training, balance, etc), frequency, duration, and modality. Study designs were also heterogeneous. Articles were of very poor to poor quality. There was minimal reporting on adverse events. Older adults with cognitive impairment were commonly excluded. Challenges in current technology and studying this group are highlighted. Conclusion: Exergaming may be promising to maintain PA but more robust research is needed. More exergaming technology designed for long-term care to meet the specific complex needs of this population is warranted.
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 | 0,007 | 0,030 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,010 | 0,008 |
| Bibliométrie | 0,007 | 0,008 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| 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 ».