The Effect of a Serious Health Game on Children’s Eating Behavior: Cluster-Randomized Controlled Trial
Notice bibliographique
Résumé
BACKGROUND: Currently, children's dietary intake patterns do not meet prescribed dietary guidelines. Consequently, childhood obesity is one of the most serious health concerns. Therefore, innovative methods need to be developed and tested in order to effectively improve the dietary intake of children. Teaching children how to cope with the overwhelming number of unhealthy food cues could be conducted effectively by serious health games. OBJECTIVE: The main aim of this study was to examine the effect of a serious health computer game on young children's eating behavior and attitudes toward healthy and unhealthy foods. METHODS: A cluster-randomized controlled trial with a between-group design was conducted (n=157; 8-12 years), wherein children played a game that promoted a healthy lifestyle or attended regular classes and did not play a game (control). The game was designed in collaboration with researchers and pilot-tested among a group of children repeatedly before conducting the experiment. After 1 week of playing, attitudes toward food snacks and actual intake (children could eat ad libitum from fruits or energy-dense snacks) was assessed. RESULTS: The results showed that playing a serious health game did not have an effect on attitude toward fruits or energy-dense snacks or on the intake of fruits or less energy-dense snacks. Additional Bayesian analyses supported these findings. CONCLUSIONS: Serious health games are increasingly considered to be a potential effective intervention when it comes to behavior change. The results of the current study stress the importance of tailoring serious health games in order to be effective, because no effect was found on attitude or eating behavior. TRIAL REGISTRATION: ClinicalTrials.gov NCT05025995; https://tinyurl.com/mdd7wrjd.
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 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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».