MétaCan
Menu
Retour à la cohorte
Enregistrement W4402439256 · doi:10.2196/59053

Use of Serious Games in Interventions of Executive Functions in Neurodiverse Children: Systematic Review

2024· review· en· W4402439256 sur OpenAlexvenueno aff
Luis Carlos Rodríguez Timaná, Javier Ferney Castillo García, Teodiano Bastos-Filho, Álvaro Alexander Ocampo González, Nazly Rocio Hincapié Monsalve, Nicolas Jacobo Valencia Jiménez

Notice bibliographique

RevueJMIR Serious Games · 2024
Typereview
Langueen
DomainePsychology
ThématiqueCognitive Abilities and Testing
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPreprintIntervention (counseling)PsychologyComputer scienceWorld Wide Web

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Serious games (SG) have emerged as promising tools for cognitive training and therapeutic interventions, especially for enhancing executive functions. These games have demonstrated the potential to support individuals with diverse health conditions, including neurodevelopmental and cognitive disorders, through engaging and interactive experiences. However, a comprehensive understanding of the effectiveness of SG in enhancing executive functions is needed. OBJECTIVE: This systematic review aims to assess the impact of serious games on executive functions (EF), focusing on attention, working memory, cognitive flexibility, and inhibitory control. In addition, it explores the integration of SG into educational and therapeutic settings for individuals with cognitive and neurodevelopmental conditions. Only open access articles published from 2019 to the search date were included to capture the most recent advancements in the field. METHODS: A comprehensive search was conducted on June 20, 2024, across Scopus, Web of Science, and PubMed databases. Due to limited direct results linking SG and neurodiversity, separate searches were performed to analyze the relationship between SG and EF, as well as SG and neurodiverse populations. Two independent reviewers assessed the quality and risk of bias of the included studies using the Risk of Bias 2 tool for randomized studies and the Risk of Bias in Non-Randomized Studies of Interventions tool for nonrandomized studies. RESULTS: The review identified 16 studies that met the inclusion criteria. Of these, 15 addressed the use of SG for improving EF in neurodiverse populations, such as children with attention-deficit/hyperactivity disorder, autism spectrum disorder, and down syndrome. These studies demonstrated significant improvements in various EF domains, including attention, working memory, and cognitive flexibility. However, there was notable heterogeneity in sample sizes, participant ages, and game types. Three studies specifically focused on individuals with down syndrome, showing promising results in improving cognitive functions. CONCLUSIONS: SG hold considerable potential as therapeutic tools for enhancing EF across neurodiverse populations. They have shown positive effects in improving cognitive skills and promoting inclusion in both educational and therapeutic settings. However, further research is required to optimize game design, assess long-term outcomes, and address the variability in study quality. The exclusive inclusion of open access studies may have limited the scope of the review, and future research should incorporate a broader range of studies to provide a more comprehensive understanding of SG's impact on neurodiversity. TRIAL REGISTRATION: PROSPERO CRD42024563231; https://tinyurl.com/ycxdymyb.

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)0,005
score de la tête « metaresearch » (Gemma)0,027
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: Revue systématique
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,026

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,027
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0060,006
Bibliométrie0,0060,006
Études des sciences et des technologies0,0010,001
Communication savante0,0020,002
Science ouverte0,0020,001
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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.

Tête enseignante Opus0,092
Tête enseignante GPT0,389
Écart entre enseignants0,297 · 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'étudeRevue systématique
Domainenon disponible
GenreSynthèse

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

En bref

Citations18
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR Serious GamesMême sujetCognitive Abilities and TestingTravaux en français237 207