Gamification as a Tool for Promoting Physical Exercise and Healthy Eating Habits in Healthcare Worker Women: Effects on Cardiometabolic Health and Physical Fitness at Workplace
Notice bibliographique
Résumé
Purpose To evaluate the effectiveness of gamified versus nongamified health promotion interventions on cardiometabolic health and fitness parameters in healthcare worker women. Design Randomized parallel group trial. Setting A public outpatient health center in Brazil. Subjects Women employees (included: n = 29; lost to follow-up: n = 1; analyzed: n = 28). Interventions 8 weeks of gamified (n = 15) or nongamified (n = 13) interventions, consisting of health lectures, nutritional counseling, and supervised exercise training. The gamified group was divided into teams that received points based on completion of health goals/tasks. Measures Anthropometric, cardiometabolic and physical fitness parameters. Analysis Two-way ANOVA with repeated measures (group vs. time), and Bonferroni post hoc tests. Results Body mass (-1.5 ± 1.5 kg), waist circumference (-1.6 ± 3.0 cm), HbA1C (-.2 ± .3%), triglycerides (-21.5 ± 48.2 mg/dl), systolic (-11.1 ± 7.9 mmHg) and diastolic (-7.1 ± 5.8 mmHg) blood pressure, as well as sit and reach (3.9 ± 3.0 cm) and six-minute walking (56 ± 37 m) performance improved ( P < .05) only after the gamified intervention. Sit-to-stand performance improved after both the gamified (-1.18 ± 1.24 s) and nongamified (-1.49 ± 1.87 s) interventions. Conclusion The gamified intervention was more effective than the nongamified intervention for improving cardiometabolic and physical fitness parameters, suggesting that gamification may be an effective tool for promoting health in healthcare worker women.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| 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 | 0,001 |
| 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 ».