Current Evidence of the Application of Music in Tai Chi Exercise: Scoping Review
Notice bibliographique
Résumé
BACKGROUND: Music has frequently been used in movement exercises to enhance health benefits. However, scientific evidence regarding the application of music to Tai Chi practice is limited. OBJECTIVE: This scoping review aims to understand how music has been used in Tai Chi practice and whether music could be applied to Tai Chi practice to help optimize its benefits. METHODS: PubMed, CINAHL, CNKI, and Weipu databases were searched. We included studies that compare Tai Chi practice experience or health outcomes between individuals practicing Tai Chi with music and those practicing Tai Chi without music. Studies published through September 2022 were identified. Two researchers (YD and YH) independently performed study selection and data extraction. Thematic analysis was used to summarize and categorize the findings of the included studies. RESULTS: Seven studies were included in this review. All 7 included studies are experimental studies. Practicing Tai Chi with music might lead to positive perceptions of Tai Chi practice (eg, motivation, concentration, enjoyment, compliance, and performance) and higher evaluations of Tai Chi instructional quality, especially for Tai Chi beginners. The effects of incorporating music into Tai Chi practice on health outcomes are inconclusive due to the heterogeneities of the sample size, and the intervention components, lengths, and frequencies of the included studies. CONCLUSIONS: Applying music to Tai Chi practice may result in positive Tai Chi practice experience and adherence, particularly for beginners, which could help improve the dissemination and implementation of Tai Chi interventions for public health. However, whether applying music to Tai Chi practice leads to synergetic effects on health outcomes needs further investigation.
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) | 0,000 | 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 ».