MétaCan
Menu
Retour à la cohorte
Enregistrement W3113486712 · doi:10.2196/22802

Physiological Responses and User Feedback on a Gameful Breathing Training App: Within-Subject Experiment

2020· article· en· W3113486712 sur OpenAlexvenueno aff
Yanick Xavier Lukic, Chen-Hsuan Iris Shih, Álvaro Hernández Reguera, Amanda Cotti, Elgar Fleisch, Tobias Kowatsch

Notice bibliographique

RevueJMIR Serious Games · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueHeart Rate Variability and Autonomic Control
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésBreathingContext (archaeology)BiofeedbackComputer scienceBreathing exercisesRelaxation (psychology)Narrative reviewPhysical medicine and rehabilitationPhysical therapyMedicineInternal medicineIntensive care medicineAnesthesia

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Slow-paced breathing training (6 breaths per minute [BPM]) improves physiological and psychological well-being by inducing relaxation characterized by increased heart rate variability (HRV). However, classic breathing training has a limited target group, and retention rates are very low. Although a gameful approach may help overcome these challenges, it is crucial to enable breathing training in a scalable context (eg, smartphone only) and ensure that they remain effective. However, despite the health benefits, no validated mobile gameful breathing training featuring a biofeedback component based on breathing seems to exist. OBJECTIVE: This study aims to describe the design choices and their implementation in a concrete mobile gameful breathing training app. Furthermore, it aims to deliver an initial validation of the efficacy of the resulting app. METHODS: Previous work was used to derive informed design choices, which, in turn, were applied to build the gameful breathing training app Breeze. In a pretest (n=3), design weaknesses in Breeze were identified, and Breeze was adjusted accordingly. The app was then evaluated in a pilot study (n=16). To ascertain that the effectiveness was maintained, recordings of breathing rates and HRV-derived measures (eg, root mean square of the successive differences [RMSSDs]) were collected. We compared 3 stages: baseline, standard breathing training deployed on a smartphone, and Breeze. RESULTS: Overall, 5 design choices were made: use of cool colors, natural settings, tightly incorporated game elements, game mechanics reflecting physiological measures, and a light narrative and progression model. Breeze was effective, as it resulted in a slow-paced breathing rate of 6 BPM, which, in turn, resulted in significantly increased HRV measures compared with baseline (P<.001 for RMSSD). In general, the app was perceived positively by the participants. However, some criticized the somewhat weaker clarity of the breathing instructions when compared with a standard breathing training app. CONCLUSIONS: The implemented breathing training app Breeze maintained its efficacy despite the use of game elements. Moreover, the app was positively perceived by participants although there was room for improvement.

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 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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,781
Score d'incertitude au seuil0,748

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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 Opus0,050
Tête enseignante GPT0,302
Écart entre enseignants0,252 · 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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations27
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR Serious GamesMême sujetHeart Rate Variability and Autonomic ControlTravaux en français237 207