Taking time to feel our body: Steady increases in heartbeat perception accuracy and decreases in alexithymia over 9 months of contemplative mental training
Notice bibliographique
Résumé
The ability to accurately perceive signals from the body has been shown to be important for physical and psychological health as well as understanding one's emotions. Despite the importance of this skill, often indexed by heartbeat perception accuracy (HBPa), little is known about its malleability. Here, we investigated whether contemplative mental practice can increase HBPa. In the context of a 9-month mental training study, the ReSource Project, two matched cohorts (n = 77 and n = 79) underwent three training modules of 3 months' duration that targeted attentional and interoceptive abilities (Presence module), socio-affective (Affect module), and socio-cognitive (Perspective module) abilities. A third cohort (n = 78) underwent 3 months of practice (Affect module) and a retest control group (n = 84) did not undergo any training. HBPa was measured with a heartbeat tracking task before and after each training module. Emotional awareness was measured by the Toronto Alexithymia Scale (TAS). Participants with TAS scores > 60 at screening were excluded. HBPa was found to increase steadily over the training, with significant and small- to medium-sized effects emerging after 6 months (Cohen's d = .173) and 9 months (d = .273) of mental training. Changes in HBPa were concomitant with and predictive of changes in emotional awareness. Our results suggest that HBPa can indeed be trained through intensive contemplative practice. The effect takes longer than the 8 weeks of typical mindfulness courses to reach meaningful magnitude. These increments in interoceptive accuracy and the related improvements in emotional awareness point to opportunities for improving physical and psychological health through contemplative mental training.
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 | 0,000 | 0,002 |
| 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) | 0,001 | 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 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 ».