MétaCan
Menu
Retour à la cohorte
Enregistrement W3124827415 · doi:10.2196/23423

A Bowling Exergame to Improve Functional Capacity in Older Adults: Co-Design, Development, and Testing to Compare the Progress of Playing Alone Versus Playing With Peers

2021· article· en· W3124827415 sur OpenAlexvenueno aff
Jorge Luiz Andrade Da Silva Júnior, Daiana Biduski, Ericles Andrei Bellei, Osvaldo Henrique Cemin Becker, Luciane Daroit, Adriano Pasqualotti, Hugo Tourinho Filho, Ana Carolina Bertoletti De Marchi

Notice bibliographique

RevueJMIR Serious Games · 2021
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueTechnology Use by Older Adults
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPsychologyPerspective (graphical)Test (biology)HomogeneousPhysical therapyApplied psychologyMultimediaComputer scienceMedicine

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Older people often do not meet the recommended levels of exercise required to reduce functional decline. Social interaction is mentioned by this cohort as a reason for joining group-based exercises, which does not occur when exercising alone. This perspective shows that exergames can be used as motivational resources. However, most available exergames are generic, obtained from commercial sources, and usually not specifically designed or adapted for older people. OBJECTIVE: In this study, we aim to co-design and develop a new exergame alongside older participants to (1) tailor the game mechanics and optimize participants' adherence to and enjoyment of exercise; (2) test the participants' functional capacity, motivation, and adherence to the exergaming program; and (3) compare these scores between those who played alone and those who played with peers. METHODS: We conducted a co-design process to develop a new exergame adapted to older people. For user testing, 23 participants were divided into 2 groups to play individually (alone group) or to compete in pairs (with peers group). They played the game twice a week, resulting in 21 exergaming sessions. We assessed the participants' General Physical Fitness Index (GPFI) before and after the user testing. We also administered questionnaires about the gaming experience and exercise adherence with its motivators and barriers. RESULTS: We introduced a new bowling exergame for Xbox with a Kinect motion sensor that can be played in single or multiplayer mode. For the GPFI measurements, the sample was homogeneous in the pretest (with peers group: mean 40.5 [SD 9.6], alone group: mean 33.9 [SD 7.8]; P=.11). After the exergame testing sessions, both groups had significant gains (with peers group: mean 57.5 [SD 8.7], P=.005; alone group: mean 44.7 [SD 10.6]; P=.02). Comparing the posttest between groups, it was found that the group in which participants played with peers had better outcomes than the group in which participants played alone (P=.02). Regarding the gaming experience and exercise adherence, both groups recognized the benefits and expressed enthusiasm toward the exergame. CONCLUSIONS: The findings suggest that the developed exergame helps in improving the functional capacity and adherence to physical exercise among older people, with even better results for those who played with peers. In addition to leading to more appropriate products, a co-design approach may positively influence the motivation and adherence of participants.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Essai non randomisé · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,017

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,046
Tête enseignante GPT0,292
Écart entre enseignants0,246 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeEssai non randomisé
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

Citations58
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR Serious GamesMême sujetTechnology Use by Older AdultsTravaux en français237 207