Integrating high‐intensity interval training into the workplace: The Work‐HIIT pilot RCT
Notice bibliographique
Résumé
The purpose of this study was to assess the feasibility and preliminary efficacy of a high‐intensity interval training (HIIT) intervention integrated into the workplace on physical and mental health outcomes in a sample of adults. The Work‐HIIT intervention was evaluated at the University of Newcastle (March‐July 2019). University employees (18+ years) who self‐identified as predominantly sedentary at work (n = 47, 43.0 ± 10.7 years; 41 female) were recruited, screened, and randomized after baseline assessments into Work‐HIIT (n = 24) or wait‐list control (n = 23) conditions. Participants were asked to attend 2‐3 researcher‐facilitated HIIT sessions/week (weeks 1‐8). Sessions included a 2‐minute gross‐motor warm‐up, followed by various combinations of aerobic and muscular fitness exercises lasting 8 minutes (using 30:30 second work: rest intervals). Program feasibility was assessed using measures of satisfaction, compliance, adherence, fidelity, and retention. Physiological and psychological outcomes were measured at baseline and 9 weeks. Feasibility data were investigated using descriptive statistics and efficacy outcomes determined using linear mixed models and Cohen's d effect sizes. Participant ratings showed high levels of satisfaction (4.6/5); 71% of participants attended ≥2 sessions/wk and averaged 85.9% HRmax across all sessions (including rest and work intervals). Small‐to‐medium positive effects resulted for cardiorespiratory fitness [+2.9 laps, 95% CI (−4.19‐10.14); d = 0.34] and work productivity [+0.26, d = 0.47]. Large positive effects resulted for muscular fitness [push‐ups +3.5, d = 0.95; standing jump +10.1 cm, d = 1.12]; HIIT self‐efficacy [+16.53, d = 1.57]; sleep [weekday +0.76 hours, d = 1.05]; and autonomous motivation [+0.23, d = 0.76]. This study supports the feasibility and preliminary efficacy of facilitator‐led Work‐HIIT as a time‐efficient, enjoyable, and convenient workplace exercise option for adults.
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 | 0,005 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 ».