Capacity to Describe Inner Experiences Predicts Lower Pain-Related Mind-Wandering during a Smartphone-Based Mindfulness Task in People with Chronic Pain
Notice bibliographique
Résumé
Introduction/Aim: Pain-related mind-wandering (PRMW) may facilitate pain and disability in people with chronic pain. This study explored mindfulness skills that predict lower PRMW during mindfulness meditation (MM). Methods: 133 participants (AgeM = 20.5 years, SD = 3.74; Male = 45) were classified into groups: 1-Chronic pain (CP; n = 35) based on self-reported CP diagnoses, 2-Depressive-anxious (DA; n = 67) based on severe symptoms on the Center for Epidemiological Studies-Depression subscale (≥21) or Beck Anxiety Inventory (≥36), or 3-Controls (n = 31) if neither CP nor DA criteria applied. Participants completed the Five Facet Mindfulness Questionnaire (FFMQ) assessing mindfulness skills: observing experiences, describing internal experiences (Describe), acting with awareness, non-judgement and non-reactivity. Participants practiced breath-focused MM on a smartphone (~12-minutes) and pressed “breath” or “other” buttons at the sound of tones if awareness was on breathing or another experience, respectively. The Mind-Wandering Inventory was completed post-MM using 3 items: awareness of bodily pain, thoughts about pain, and other unpleasant sensations. Pearson correlations were conducted between FFMQ and PRMW. Results: Amongst all correlations, only Describe significantly predicted PRMW for CP (r = −0.46, p < 0.01), DA (r = 0.25, p < 0.05), and controls (r = 0.37, p < 0.05). CP participants had significantly higher % breath responses than the other groups. Discussion/Conclusions: The mindfulness skill of describing inner experiences may be a vital component of mindfulness-based pain treatments.
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 | 0,003 |
| 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 | 0,001 | 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) | 0,003 | 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 ».