Energy Expenditure And Mood States During Two Modes Of A Virtual Reality Fitness Game
Notice bibliographique
Résumé
BACKGROUND: The effectiveness of virtual reality (VR) fitness games as a form of moderate-to-vigorous physical activity (MVPA) and their effect on mood has yet to be thoroughly quantified. VR fitness games’ energy expenditures are highly variable and their effectiveness as a form of MVPA should not be generalized. PURPOSE: To examine the effectiveness of two medium intensity modes (“Flow”, “Boxing”) of a VR Fitness game using indirect calorimetry and mood scales. METHODS: A metabolic cart was used to examine the relative and objective VO2, METs, and calories burned during two medium-intensity bouts of a VR fitness game in young (25.42 ± 3.25 years of age) active individuals (12 female, 11 male). The METs and calories burned were compared to a triaxial waist worn accelerometer, smart watch, and VR headset. Mood states were assessed pre- and post-VR fitness bout using the shortened Profile of Mood States. T-Tests were used to compare VR fitness game modes, sex, and pre-post exercise session changes. RESULTS: VO2 (absolute) averaged 1.93 ± 0.44 L/min and VO2 (relative) averaged 27.61 ± 5.60 mL/kg/min between modes. Given the recorded METs for each modality, both “Flow” (8.2 METs) and “Boxing” (7.6 METs) can be classified as high energy expenditure, vigorous activity. Regarding caloric expenditure, the values of the waist-worn accelerometer and VR headset differed from the metabolic cart, but the smart watch values were similar. Mood changes pre-to-post exercise were consistent with expected values for MVPA with participants reporting for both “Flow” and “Boxing” respectively, that they felt more “active” (p < 0.01; p < 0.01), more “full of pep” (p = 0.02; p = 0.05), and more “lively” (p = 0.019; p < 0.01). No sex differences were revealed for any metric. CONCLUSIONS: Both the “Flow” and “Boxing” modes of the VR fitness game modes can provide both mental and physical health benefits through mechanisms induced by engaging in physical activity and may be an effective exercise modality in a VO2 training program. Meta/Supernatural
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».