Dog-Assisted Physical Activity Intervention in Children with Autism Spectrum Disorder: A Feasibility and Efficacy Exploratory Study
Notice bibliographique
Résumé
Integrating a therapy dog into physical activity sessions may help children with autism spectrum disorder (ASD) to increase physical activity and gain-related health benefits. This exploratory intervention assessed the feasibility of integrating a therapy dog into exercise sessions and its efficacy to improve physical activity outcomes in children with ASD. After two familiarization sessions, we randomly assigned 18 children with ASD (mean age = 10.1, SD = 2.5) into two groups (n = 9). We used a crossover design and randomized groups to attend a weekly physical activity session with or without a therapy dog for four weeks. Each group had two sessions with the presence of 1–2 therapy dogs and two sessions without a therapy dog. We assessed feasibility by measuring participant attendance to the crossover sessions and retention in the intervention. We measured efficacy by recording light physical activity, moderate to vigorous physical activity (MVPA), number of bone-impacts, and sedentary time using activity monitors (accelerometers) in each session. We compared physical activity outcomes between the crossover sessions with and without a therapy dog using repeated measures MANOVA. Attendance at the sessions was 92% and the retention rate was 90%. Participants had 13% more minutes of light physical activity (mean difference = 3.5 min; 95% CI: 1.2, 5.8 min) and 22% less sedentary minutes (–2.4; –4.3, –0.1) in the sessions with a therapy dog. MVPA and the number of bone-impacts did not differ between the sessions (p > 0.05). Our results suggest that integrating therapy dogs into physical activity sessions is feasible and it increases light physical activity and decreases sedentary time in children with ASD.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| 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 ».