Best Practices for Adapting and Delivering Community-Based Yoga for People with Traumatic Brain Injury in the United States and Canada
Notice bibliographique
Résumé
Emerging benefits of yoga for traumatic brain injury (TBI) suggest that broader accessibility to community-based yoga programming is important. This cross-sectional, mixed methods study sought to identify best practices for adapting and delivering community-based yoga to people with TBI. An online survey was sent to 175 yoga teachers trained to teach LoveYourBrain Yoga, a community-based, 6-week, manualized program for people with TBI and their care-givers. The survey instrument included open- and closed-text questions assessing teachers' perspectives on the most and least helpful adaptions for asana, meditation, pranayama, and group discussion, and on the LoveYourBrain Yoga training and support. Responses we re analyzed using d e s c r i p t i ve statistics and qualitative content analysis. Eighty-six teachers (50%) responded. Best practices for adapting yoga for TBI revealed six themes: (1) simple, slow, and repeated; (2) creating a safe space; (3) position of the head and neck; (4) demonstration; (5) importance of props; and (6) special considerations for yoga studios. Three themes emerged for yoga program delivery: (1) structured yet flexible; (2) acceptability of compensation; and (3) time management. Eighty-nine percent of teachers reported that the program manual was very/extremely helpful, yet nearly half (49%) adapted the manual content often/always. To deliver community-based yoga services for TBI, we recommend an environment with props, low light and noise, and sufficient space, along with the facilitation of consistent instruction with a manual that allows for flexibility. We recommend that yoga teachers have skills in physical modifications for the head and neck; slow, simple, and repeated cueing to facilitate cognitive processing; managing challenging behaviors through redirection techniques; and promoting safety through inclusivity, compassion, and personal agency.
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 | 0,003 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,008 | 0,002 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».