MétaCan
Menu
Retour à la cohorte
Enregistrement W4415524873 · doi:10.1371/journal.pone.0334924

Characterizing the cognitive and mental health benefits of exercise and video game playing

2025· article· en· W4415524873 sur OpenAlexafffund
Sydni G. Paleczny, Conor J. Wild, Alex Xue, Roger Highfield, Adrian M. Owen

Notice bibliographique

RevuePLoS ONE · 2025
Typearticle
Langueen
DomainePsychology
ThématiqueCognitive Abilities and Testing
Établissements canadiensWestern University
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésCognitionVideo gameMental healthAnxietyDepression (economics)Cognitive skillPhysical activity

Résumé

récupéré en direct d'OpenAlex

Two of the most actively studied modifiable lifestyle factors, exercise and video gaming, are regularly touted as easy and effective ways to enhance brain function and/or protect it from age-related decline. However, some critical lingering questions and methodological inconsistencies leave it unclear what aspects of brain health are affected by exercise and video gaming. In this cross-sectional global online study, we recruited over 1000 people and collected data about participants' physical activity levels, time spent playing video games, mental health, and cognitive performance using tests of short-term memory, verbal abilities, and reasoning skills from the Creyos battery. The amount of regular physical activity was not significantly related to any measure of cognitive performance; however, more physical activity was associated with better mental health as indexed using the Patient Health Questionnaire (PHQ-2) and Generalized Anxiety Disorder (GAD-2) screeners for depression and anxiety. Conversely, we found that more time spent playing video games was associated with better cognitive performance but was unrelated to mental health. We conclude that exercise and video gaming have differential effects on the brain, which may help individuals tailor their lifestyle choices to promote mental and cognitive health, respectively, across the lifespan.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,464
Score d'incertitude au seuil0,279

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,057
Tête enseignante GPT0,297
Écart entre enseignants0,240 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

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

En bref

Citations2
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePLoS ONEMême sujetCognitive Abilities and TestingTravaux en français237 207