Prevalence, patterns, and predictors of meditation use among US adults: A nationally representative survey
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Emerging evidence suggests substantial health benefits from using meditation. While there are some indications that the popularity of meditation is increasing, little is known about the prevalence, patterns, and predictors of meditation use in the general population. In this secondary analysis of data from the 2012 US National Health Interview Survey (NHIS) (n = 34,525), lifetime and 12-month prevalence of meditation use were 5.2% and 4.1%, respectively. Compared to non-users, those who had used meditation in the past 12 months were more likely to be 40-64 years, female, non-Hispanic White, living in the West, at least college-educated, not in a relationship, diagnosed with one or more chronic conditions, smoking, consuming alcohol and physically active. Meditation was mainly used for general wellness (76.2%), improving energy (60.0%), and aiding memory or concentration (50.0%). Anxiety (29.2%), stress (21.6%), and depression (17.8%) were the top health problems for which people used meditation; 63.6% reported that meditation had helped a great deal with these conditions. Only 34.8% disclosed their use of meditation with a health provider. These findings indicate that about 9.3 million US adults have used meditation in the past 12 months; and that mental health problems were the most important reason for meditation use.
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.
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 | 0,001 |
| 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) | 0,004 | 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 découle