An Exergame-Integrated IoT-Based Ergometer System Delivers Personalized Training Programs for Older Adults and Enhances Physical Fitness: A Pilot Randomized Controlled Trial
Notice bibliographique
Résumé
INTRODUCTION: Regular physical exercise is believed to counteract the adverse physiological consequences of aging. However, smart fitness equipment specifically designed for older adults is quite rare. Here we designed an exergame-integrated internet of things (IoT)-based ergometer system (EIoT-ergo) that delivers personalized exercise prescriptions for older adults. First, physical fitness was evaluated using the Senior Fitness Test (SFT) application. Then, radio frequency identification (RFID) triggered the EIoT-ergo to deliver the corresponding exercise session based on the individual level of physical fitness. The exercise intensity during each workout was measured to generate the next exercise session. Further, EIoT-ergo provides an exergame to help users control and maintain their optimal cadence while engaging in exercise. METHODS: This was a randomized controlled trial with 1:1 randomization. Participants were older adults, 50+ years of age (N = 35), who are active in their community. Participants in the EIoT-ergo group received a 12-week personalized exercise program delivered by EIoT-ergo for 30 min per session, with 2 sessions per week. Participants in the control group continued with their usual activities. A senior's fitness test and a health questionnaire were assessed at baseline and at a 13-week reassessment. The Quebec User Evaluation of Satisfaction with Assistive Technology (QUEST) was used to evaluate the satisfaction of EIoT-ergo. RESULTS: Compared with the control group, the EIoT-ergo group showed significant improvements in muscle strength (time-by-group interaction, sit-to-stand: β = 5.013, p < 0.001), flexibility (back stretch: β = 4.008, p = 0.005; and sit-and-reach: β = 4.730, p = 0.04), and aerobic endurance (2-min step: β = 9.262, p = 0.03). The body composition was also improved in the EIoT-ergo group (body mass index: β = -0.737, p < 0.001; and skeletal muscle index: β = 0.268, p = 0.03). Satisfaction with EIoT-ergo was shown in QUEST, with an average score of 4.4 ± 0.32 (5 for very satisfied). The percentage maximum heart rate in each session also indicated that EIoT-ergo can gradually build up the exercise intensity of users. CONCLUSIONS: EIoT-ergo was developed to provide personal identification, exergames, intelligent exercise prescriptions, and remote monitoring, as well as to significantly enhance the physical fitness of the elderly individuals under study.
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 | 0,003 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,003 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,001 |
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 ».