The Change in Exergaming From Before to During the COVID-19 Pandemic Among Young Adults: Longitudinal Study
Notice bibliographique
Résumé
BACKGROUND: Exergaming may be an important option to support an active lifestyle, especially during pandemics. OBJECTIVE: Our objectives were (1) to explore whether change in exergaming status (stopped, started or sustained exergaming, or never exergamed) from before to during the COVID-19 pandemic was related to changes in walking, moderate-to-vigorous physical activity (MVPA) or meeting MVPA guidelines and (2) to describe changes among past-year exergamers in minutes per week exergaming from before to during the pandemic. METHODS: A total of 681 participants (mean age 33.6; SD 0.5 years; n=280, 41% male) from the 22-year Nicotine Dependence in Teens (NDIT) study provided data on walking, MVPA, and exergaming before (2017 to 2020) and during (2021) the COVID-19 pandemic. Physical activity (PA) change scores were described by change in exergaming status. RESULTS: We found that 62.4% (n=425) of the 681 participants never exergamed, 8.2% (n=56) started exergaming during the pandemic, 19.7% (n=134) stopped exergaming, and 9.7% (n=66) sustained exergaming. Declines were observed in all 3 PA indicators in all 4 exergaming groups. The more salient findings were that (1) participants who started exergaming during COVID-19 reported the highest MVPA levels before and during the pandemic and declined the least (mean -35 minutes/week), (2) sustained exergamers reported the lowest MVPA levels during the pandemic (median 66 minutes/week) and declined the most in MVPA (mean change of -92 minutes/week) and in meeting MVPA guidelines (-23.6%). During the pandemic, starting exergamers reported 85 minutes of exergaming per week and sustained exergamers increased exergaming by a median 60 minutes per week. CONCLUSIONS: Although starting and sustaining exergaming did not appear to help exergamers maintain prepandemic PA levels, exergaming can contribute a substantial proportion of total PA in young adults and may still represent a useful option to promote PA during pandemics.
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».