Staying Physically Active During the Quarantine and Self-Isolation Period for Controlling and Mitigating the COVID-19 Pandemic: A Systematic Overview of the Literature
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The COVID-19 pandemic has created an unprecedented worldwide public health concern. Characterized by rapid and high frequency human-to-human transmission, the World Health Organization has recommended implementation of public health measures, including isolation of all suspected infectious individuals for a 14-day quarantine period, while governments have introduced "social distancing" and "lock-downs" of varying severity to curtail COVID-19 spread. Recent COVID-19 research further suggests there are major sleep problems and psychological disorders (e.g., stress, anxiety, depression) associated with the reduction of movement and activities, as well as the reduced social interaction. There have been no studies examining the effect of physical activity at home during such periods of isolation. However, based on previous research, potential tactics to overcome these negative effects include home-based exercise, exergaming, dancing to music, and participation in yoga. Adults should accumulate at least 150 min of moderate-intensity and at least 75 min of vigorous-intensity of activity divided in to 5-7 sessions per week. This training volume could be reduced by 30% for children and adolescents if replaced by recess or active play in and around the home. Additionally, exercises should be adapted to the fitness level of the participant and a progressive model of intensity and training volume should be utilized, preferably monitored by telephone applications and wearable sensors.
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.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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) | 0,000 | 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 découle