Enjoyment rather than affect is related to adolescents' willingness to perform HIIT as an adjunct to mental health treatment
Notice bibliographique
Résumé
There is growing support for the implementation of physical activity in the treatment of individuals with serious mental illness. The purpose of this study was to investigate whether affective response or enjoyment were related to adolescents' willingness to perform high-intensity interval training (HIIT) as an adjunct to mental health treatment. These secondary analyses examined data from 28 adolescent psychiatric inpatients who performed a single session of HIIT. Patients completed the Positive and Negative Affect Schedule (PANAS) before and after the exercise session. Following exercise, patients were asked to provide ratings from 1-10 for their enjoyment of HIIT and willingness to perform HIIT before therapy. Linear regression analyses were used to examine the association between enjoyment/affect responses to HIIT and willingness to perform HIIT before therapy, controlling for age and sex. Enjoyment of HIIT significantly explained willingness to perform HIIT when adjusting for age and sex, F(7,18)=2.6, p=.05, ?p2=.50 (adjusted R2=.28). Neither changes in positive (r=.09, p=.66) or negative affect (r=.28, p=.15) were related to patients' willingness to perform HIIT. Due to a bimodal distribution for participants' enjoyment of HIIT, correlation analyses examined the relationship between enjoyment and willingness to perform HIIT separately for low (? 5, n=12) and high-enjoyers (>5, n=16). There was a significant correlation between enjoyment and willingness to perform HIIT for low-enjoyers (r=.57, p=.05), however, this relationship was not observed for high-enjoyers (r=.03, p=.91). These findings suggest that exercise enjoyment may be an important factor for long-term engagement in HIIT as an adjunct for mental treatment.Acknowledgments: Patients and staff at the psychiatric inpatient unit at CHEO
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 | 0,005 |
| 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 | 0,001 |
| 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 ».