ExerG: adapting an exergame training solution to the needs of older adults using focus group and expert interviews
Notice bibliographique
Résumé
BACKGROUND: Exergames are playful technology-based exercise programs. They train physical and cognitive functions to preserve independence in older adults (OAs) with disabilities in daily activities and may reduce their risk of falling. This study gathered in-depth knowledge and understanding of three different user groups' experiences in and relevant needs, worries, preferences, and expectations of technology-based training, to develop an exergame training device for OAs. METHODS: We conducted a qualitative study using semi-structured focus group interviews of primary (OAs in geriatric or neurological rehabilitation) and secondary (health professionals) end users, as well as expert interviews of tertiary end users (health insurance experts or similar), exploring user perspectives on adjusting an existing exergame to OAs' needs. Voice-recorded interviews were transcribed by researchers and analyzed using thematic analysis (TA) following an inductive, data-driven, iterative approach. RESULTS: We interviewed 24 primary, 18 secondary, and 9 tertiary end users at two rehabilitation centers in Austria and Switzerland. Our TA approach identified five to six themes per user group. Themes in the primary end user group reflected aspects of safety, training goals, individuality, game environment, social interactions, and physical and technical overload. Themes in the secondary end user group comprised facets of meaningfulness, distraction through the game environment, safety, gamification elements, the availability and accessibility of the exergame. Tertiary end users' themes addressed aspects of financial reimbursement, suitable target populations, professional training for the handling of exergame devices, training goals, and concerns about the use of exergames in geriatric rehabilitation. CONCLUSIONS: In conclusion, an exergame for OAs must be safe, motivating and fully adaptable to the target group while promoting the return to or preservation of autonomy and independence in daily life. Our findings contribute to developing hard- and software extensions for the ExerG training device. Further research is needed to expand the validity of our findings to larger populations.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,018 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,004 | 0,003 |
| Communication savante | 0,001 | 0,003 |
| Science ouverte | 0,002 | 0,005 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».