Effects of a 6-week at-home exercise intervention on psychological and physical indicators of well-being during the COVID-19 pandemic: Secondary analysis of a pragmatic randomized trial
Notice bibliographique
Résumé
To examine whether a 6-week at-home exercise intervention, delivered via mobile applications (apps), improves psychological and physical well-being and alleviates ill-being symptoms in adults during the early months of the COVID-19 pandemic. Low active Canadian adults (n = 334) were recruited and randomized to one of three app conditions [Yoga, n = 86; high-intensity interval training (HIIT), n = 82, HIIT + Yoga, n = 83] or a waitlist control condition (n = 83). Those in the exercise conditions (HIIT, Yoga, HIIT + Yoga) were asked to use their respective modules in the apps to complete four 20-min sessions per week for six weeks. Indicators of well-being (flourishing, general mental health, life satisfaction, positive affect, resilience, and perceived physical health) and ill-being (burden of psychosocial problems, negative affect, psychological distress, psychological stress, and physical symptoms) were measured every week over the intervention. After six weeks, compared to the waitlist control condition, those in the HIIT + Yoga condition improved in all well-being outcomes, those in the Yoga condition showed improvements in flourishing, positive affect, and perceived physical health, and those in the HIIT condition showed no improvements in well-being indicators. None of the three exercise conditions demonstrated any improvement in ill-being indicators compared to the waitlist control condition. Engagement with at-home exercise apps over 6 weeks can improve multiple facets of well-being (e.g., flourishing, positive affect), especially when a variety of modalities of exercise are presented. • App-based exercise interventions represent a low-cost, low-barrier pathway to physical activity. • In this trial, app-based at-home exercise did not significantly improve ill-being factors (e.g., distress, negative affect). • However, the apps did improve participants' well-being (e.g., flourishing, resilience). • These effects were most prominent when participants had access to both yoga and high-intensity interval training applications.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 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 ».