MétaCan
Menu
Retour à la cohorte
Enregistrement W3105932958 · doi:10.2196/15717

Impact of Pediatric Mobile Game Play on Healthy Eating Behavior: Randomized Controlled Trial

2020· article· en· W3105932958 sur OpenAlex

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.

venuePublié dans une revue dont le pays d'attache est le Canada.
no affAucune affiliation canadienne : ce travail est invisible pour une base fondée sur la seule affiliation.
Aucune affiliation canadienne. Une base fondée sur la seule affiliation (le devis habituel) n'aurait jamais vu ce travail. C'est l'un des travaux qui justifient l'inversion de la base.

Notice bibliographique

RevueJMIR mhealth and uhealth · 2020
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueChild Development and Digital Technology
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésRandomized controlled trialSession (web analytics)PsychologyControl (management)Video gameComputer scienceMultimediaMedicineArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Video and mobile games have been shown to have a positive impact on behavior change in children. However, the potential impact of game play patterns on outcomes of interest are yet to be understood, especially for games with implicit learning components. OBJECTIVE: This study investigates the immediate impact of fooya!, a pediatric dietary mobile game with implicit learning components, on food choices. It also quantifies children's heterogeneous game play patterns using game telemetry and determines the effects of these patterns on players' food choices. METHODS: We analyzed data from a randomized controlled trial (RCT) involving 104 children, aged 10 to 11 years, randomly assigned to the treatment group (played fooya!, a dietary mobile game developed by one of the authors) or the control group (played Uno, a board game without dietary education). Children played the game for 20 minutes each in two sessions. After playing the game in each session, the children were asked to choose 2 out of 6 food items (3 healthy and 3 unhealthy choices). The number of healthy choices in both sessions was used as the major outcome. We first compared the choice and identification of healthy foods between treatment and control groups using statistical tests. Next, using game telemetry, we determined the variability in game play patterns by quantifying game play measures and modeled the process of game playing at any level across all students as a Markov chain. Finally, correlation tests and regression models were used to establish the relationship between game play measures and actual food choices. RESULTS: We saw a significant main effect of the mobile game on number of healthy foods actually chosen (treatment 2.48, control 1.10; P<.001; Cohen d=1.25) and identified (treatment 7.3, control 6.94; P=.048; Cohen d=.25). A large variation was observed in children's game play patterns. Children played an average of 15 game levels in 2 sessions, with a range of 2 to 23 levels. The greatest variation was noted in the proportion of scoring activities that were highly rewarded, with an average of 0.17, ranging from 0.003 to 0.98. Healthy food choice was negatively associated with the number of unhealthy food facts that children read in the game (Kendall τ=-.32, P=.04), even after controlling for baseline food preference. CONCLUSIONS: A mobile video game embedded with implicit learning components showed a strong positive impact on children's food choices immediately following the game. Game telemetry captured children's different play patterns and was associated with behavioral outcomes. These results have implications for the design and use of mobile games as an intervention to improve health behaviors, such as the display of unhealthy food facts during game play. Longitudinal RCTs are needed to assess long-term impact. TRIAL REGISTRATION: ClinicalTrials.gov NCT04082195; https://clinicaltrials.gov/ct2/show/NCT04082195, registered retrospectively.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Essai randomisé · Signal consensuel: Essai randomisé
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,029
Score d'incertitude au seuil0,633

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,049
Tête enseignante GPT0,406
Écart entre enseignants0,357 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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