Prescription exercise at Queen's: A prospective program evaluation of physical activity effects among university students with depression and anxiety
Notice bibliographique
Résumé
Participation in physical activity (PA) may lead to positive improvements in mental health status. Prescription Exercise at Queen's (PE-Q) is an eight-week PA program that offers students with mild to moderate depression and/or anxiety with the option to supplement their treatment with exercise. The program includes personal training sessions, self-selected PA, and a peer-delivered 'Brief Action Planning' self-management component. The purpose of this study was to evaluate the impact of the PE-Q program on participants' mental health symptoms and PA behaviour and social cognitions (based on the Health Action Process Approach). Twenty-one participants completed pre-, mid- and post-program online questionnaires. Separate repeated measures ANOVAs and post-hoc t-tests evaluated changes in participants' mental health symptoms, PA behaviour and social cognitions. Significant decreases in participants' depression symptoms and anxiety symptoms were reported from pre- to mid-program (ds ? 0.98; ps < 0.05), which were maintained from mid- to post-program. Significant increases in participants' PA planning and action control were reported from pre-to mid-program (ds ? 1.04; ps < 0.05), which were also maintained from mid- to post-program. In general, students provided high ratings for program instructiveness, usefulness, credibility, and personal importance (all Ms ? 5.57 out of 7). While these findings contribute to existing literature on holistic treatment programs for students with mental illnesses, further testing with a control group and an adequately-powered sample is warranted.Acknowledgments: Funding for the PE-Q program 2017-2018 was provided by a Special Projects Grant from Michael Condra in the Department of Psychology at Queen's University. Initial startup funding for the PE-Q program was provided by the First Year Experience Fund (Queen's University) and jack.org. Ms. Flood is supported by a SSHRC Canadian Graduate Scholarship - Master's.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».