MétaCan
Menu
← Retour à la cohorte
Enregistrement W4395018394 · doi:10.2196/55578

Effectiveness of Mobile-Based Progressive and Fixed Physical Activity on Depression, Stress, Anxiety, and Quality of Life Outcomes Among Adults in South Korea: Randomized Controlled Trial

2024· article· en· W4395018394 sur OpenAlexvenueno aff
Ye Hoon Lee, Hyungsook Kim, Juhee Hwang, Sihyeon Noh

Notice bibliographique

RevueJMIR mhealth and uhealth · 2024
Typearticle
Langueen
DomainePsychology
ThématiqueDigital Mental Health Interventions
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésRandomized controlled trialAnxietyPreprintQuality of life (healthcare)Depression (economics)mHealthPsychologyClinical psychologyGerontologyPhysical therapyMedicinePsychotherapistPsychiatryComputer sciencePsychological interventionWorld Wide Web

Résumé

récupéré en direct d'OpenAlex

Background Depression acts as a significant obstacle to the overall well-being of individuals. Given the significant consequences, timely recognition and proactive steps to manage symptoms of depression become essential. Such actions not only reduce personal distress but also play a crucial role in reducing its far-reaching impact on society as a whole. Objective In response to this concern, the objective of this study was to explore the use of mobile-based interventions as a possible remedy. More specifically, this study aimed to investigate the effectiveness of 2 types of physical activity (PA), progressive and fixed, within a mobile-based app on depression, perceived stress, anxiety, physical health, and psychological health, aiming to contribute to the optimization of mental health benefits. Methods Participants (N=60; mean age 25.29, SD 6.10 years) were recruited using a combination of web-based and offline methods, and the study lasted for 8 weeks. The baseline and posttest questionnaires were administered to all participants. The participants were randomly assigned to 1 of the 3 groups: progressive group (n=20; performing mobile-based progressive PA), fixed group (n=20; performing mobile-based fixed intensity PA), and control group C (n=20). Data analysis involved comparing scores between the experimental and control groups using a one-way ANOVA, paired sample t tests (2-tailed), and repeated measures ANOVA with a 3 (group)×2 (time) design. Results The findings revealed significant improvements in mental health indicators among participants engaged in both fixed and progressive PA groups compared with the control group. However, the fixed PA group demonstrated more significant reductions in symptoms. Specifically, the progressive PA group showed significant reductions in depression (F1,36=6.941; P=.01; ηp2=0.16) and perceived stress (F1,36=5.47; P=.03; ηp2=0.13), while the fixed PA group exhibited significant reductions in depression (F1,37=5.36; P=.03; ηp2=0.12), perceived stress (F1,37=7.81; P=.008; ηp2=0.17), and general anxiety disorder (F1,37=5.45; P=.03; ηp2=0.13) compared with the control group. Conclusions This study underscores the potential of mobile-based PA in improving mental health outcomes. The findings offer significant insights for mental health professionals and researchers aiming to optimize mental well-being through innovative mobile therapies. Trial Registration Clinical Research Information Service KCT0009100; https://tinyurl.com/mr33fmur

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Essai randomisé · Signal consensuel: Essai randomisé
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,027

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,002
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0060,004
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0080,001

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.

Tête enseignante Opus0,036
Tête enseignante GPT0,435
Écart entre enseignants0,399 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeEssai randomisé
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations7
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR mhealth and uhealth→Même sujetDigital Mental Health Interventions→Travaux en français237 207→