Serious Motion-Based Exercise Games for Older Adults: Evaluation of Usability, Performance, and Pain Mitigation
Notice bibliographique
Résumé
BACKGROUND: Many societies are facing demographic changes that challenge the viability of health and welfare systems. Serious games for health care and ambient assisted living (AAL) offer health benefits and support for older adults and may mitigate some of the negative effects of the demographic shift. OBJECTIVE: This study aimed to examine the acceptance of serious games to promote physical health in AAL environments. Since AAL environments are designed specifically to support independent living in older adults, we studied the relationship among age and user diversity, performance in the game, and overall usability and acceptance evaluation. METHODS: We developed a motion-based serious exercise game for prototypical AAL environments. In two evaluations, outside (n=71) and within (n=64) the AAL environment, we investigated the influence of age, gender, self-efficacy in interacting with technology, need for achievement on performance, effect of the game, usability evaluation of the game, and overall acceptance. RESULTS: Both games were evaluated as easy to use and fun to play. Both game interventions had a strong pain-mitigating effect in older adults (game 1: -55%, P=.002; game 2: -66%, P=.01). CONCLUSIONS: Serious exercise games outside and inside AAL environments can contribute to individuals' health and well-being and to the stability of health care systems.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,001 |
| 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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».