Natural Course and Predictors of Sustained Exergaming in Young Adults
Notice bibliographique
Résumé
Objective:To describe the natural course of exergaming among young adults and identify predictors of sustained exergaming. Methods:To describe the natural course, we retained 592 participants from an ongoing longitudinal study with complete data on exergaming at four time points over 12–13 years between 2010–12 and 2023 (i.e., T1–T4 at mean ages 24.0, 30.6, 33.6, and 35.2, respectively). To identify predictors of sustained exergaming, we retained 228 participants with data on 27 potential predictors at T2 and data on exergaming at T2 and T3. The association between each potential predictor and sustained exergaming was examined as an independent study using multivariable logistic regression controlling for age, sex, and educational attainment. Results:Of 592 participants, 41.3%, 34.1%, and 38.5% sustained exergaming from T1 to T2, from T2 to T3, and from T3 to T4, respectively. Only 3% of participants sustained exergaming from T1 to T4. Most participants reported light- or moderate-intensity exergaming at all time points. Higher levels of external pressure to engage in physical activity, encouragement from close friends to exercise, and taking breaks from sitting during a typical workday were each associated with lower odds of sustained exergaming. Conclusion:Although exergaming is a popular activity among young adults, long-term sustained exergaming was rare. This may link to time constraints related to life transitions, evolving interests, changes in social circles, and shifting fitness goals among young adults. Research is needed to inform strategies that promote sustained exergaming and maximize its potential for positive impact among young adults.
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 | 0,001 | 0,000 |
| 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 | 0,001 |
| 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 ».