Effects of Active Video Games on Health-Related Physical Fitness and Motor Competence in Children and Adolescents With Overweight or Obesity: Systematic Review and Meta-Analysis
Notice bibliographique
Résumé
BACKGROUND: Childhood obesity is one of the most important public health problems. Active video games (AVGs) have been proposed as an attractive alternative to increase energy expenditure and are being investigated to determine their effectiveness against childhood obesity. OBJECTIVE: The aim of this study is to summarize the existing research and draw conclusions about the effects of AVGs on health-related physical fitness and motor competence in children and adolescents with overweight and obesity. METHODS: The search strategy was applied to PubMed, MEDLINE, Web of Science, and SPORTDiscus, including randomized and nonrandomized controlled trials investigating the effects of AVG programs on health-related physical fitness and motor competence in children and adolescents with overweight and obesity. To measure the risk of bias in randomized and nonrandomized controlled trials, 2 different quality assessment tools were used. In total, 15 articles met the inclusion criteria, and the variables of interest were BMI, body fat percentage, cardiorespiratory fitness (CRF), waist circumference, fat-free mass, muscular fitness, and motor competence. A meta-analysis was performed. RESULTS: Positive effects were found for BMI and body fat percentage, favoring the AVG group compared with a control group with no intervention (mean difference -0.209; 95% CI -0.388 to -0.031 vs mean difference -0.879; 95% CI -1.138 to -0.602). Positive effects seem to be observed for CRF. The effects of AVG interventions on muscular fitness, fat-free mass, waist circumference, and motor competence are unclear. CONCLUSIONS: AVG programs showed positive effects on BMI, body fat percentage, and CRF. AVG could be a good strategy to combat childhood obesity.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,011 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».