A systematic review of yoga interventions for helping health professionals and students
Notice bibliographique
Résumé
Helping Health Professionals (HHP) and HHP students are among the highest risk occupational groups for compromised mental and physical health. There is a paucity of information regarding preventive interventions for mental and physical health in this group of healthcare providers. OBJECTIVE: The objective of this review was to examine the effectiveness of yoga interventions for the prevention and reduction of mental and physical disorders among HHPs and HHP students. DESIGN: An exhaustive systematic search was conducted in May 2020. Databases searched in the OVID interface included: MEDLINE(R) and Epub Ahead of Print, In-Process & Other Non-Indexed Citations and Daily, Embase, and PsycINFO. EbscoHost databases searched included: CINAHL Plus with Full Text, SPORTDiscus with Full Text, Alt HealthWatch, Education Research Complete, SocINDEX with Full Text, ERIC, and Academic Search Complete. Scopus was also searched. RESULTS: The search yielded 4,973 records, and after removal of duplicates 3197 records remained. Using inclusion and exclusion criteria, titles and abstracts were screened and full text articles (n = 82) were retrieved and screened. Twenty-five studies were identified for inclusion in this review. Most frequently reported findings of yoga interventions in this population included a reduction in stress, anxiety, depression, and musculoskeletal pain. CONCLUSION: It is our conclusion that mental and physical benefits can be obtained through implementation of yoga interventions for HHPs and HHP students across a variety of settings and backgrounds. However, researchers would benefit from following recommended guidelines for the design and reporting of yoga interventions to improve study quality and rigour.
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 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 | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,005 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,020 | 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 tête enseignante, 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 ».