Ecological momentary assessment of physical activity and affective responses in healthy adults: a scoping review
Notice bibliographique
Résumé
Affective experiences, including emotions and moods, are central to well-being. Physical activity (PA) is linked to improved mood, but the acute relationship between objectively measured PA and affect in daily life remains underexplored. Ecological Momentary Assessment (EMA) minimizes biases of retrospective reports and captures real-time effects. This scoping review synthesizes studies using EMA and accelerometers to examine the acute (within 30 minutes) effects of PA on positive and negative affect in healthy adults, highlighting methodological diversity and future research needs. A systematic search of MEDLINE, CINAHL, PsycINFO, and SportDiscus identified studies involving healthy adults that used EMA, accelerometer-based PA measures, and assessed acute PA effects on affect. Data extraction followed the CREMAS protocol, focusing on sample characteristics, PA and affect measures, compliance rates, and moderators. From 208 identified studies, 14 met the inclusion criteria. Studies varied in sample size, accelerometer placement, affect measurement scales, prompt frequency, and compliance, complicating comparisons. PA was consistently linked to increased arousal; findings for valence and positive affect were mixed. Negative affect tended to decrease after PA, but results were inconsistent. Several studies explored moderators, such as competence, autonomy, and social context. EMA is a valuable method for studying PA and affect dynamics in everyday life. However, methodological heterogeneity calls for more standardized protocols. Future research should improve transparency in reporting, explore additional moderators, and recruit more diverse samples to enhance generalizability . • Accelerometer-based PA is linked to increased arousal in real-world settings • Mixed results are observed for PA effects on valence and positive affect • Methodological heterogeneity limits generalizability across studies • Future studies should adopt standardized EMA and PA protocols
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 | 0,014 | 0,069 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,006 | 0,005 |
| Bibliométrie | 0,021 | 0,020 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,005 | 0,003 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 ».