Virtual mindfulness interventions to promote well-being in young adults: A mixed-methods systematic review
Notice bibliographique
Résumé
ABSTRACT Background With the onset of the COVID-19 pandemic, students have experienced drastic changes in their academic and social lives with ensuing consequences towards their physical and mental well-being. The purpose of this systematic review is to identify virtual mindfulness-based interventions for the well-being of young adults aged 15 to 40 years in developed countries and examine the efficacy of these techniques/exercises. Methods This mixed-methods systematic review follows the Preferred Reporting Items for Systematic Review and Meta-Analyses (PRISMA) guidelines with a registered PROSPERO protocol. With a convergent integrated synthesis approach, IEEE Xplore, PsychInfo, Web of Science and OVID were searched with a predetermined criteria and search strategy employing booleans and filters for peer-reviewed and grey literature. Data screening and extraction were independently performed by two authors, with a third author settling disagreements after reconciliation. Study quality of selected articles was assessed with two independent authors using the Mixed Methods Appraisal Tool (MMAT). Studies were analyzed qualitatively (precluding meta and statistical analysis) due to the heterogeneous study results from diverse study designs in present literature. Results Common mindfulness-based interventions used in the appraised studies included practicing basic mindfulness, Mindfulness-Based Stress Reduction (MBSR) programs, Mindfulness-Based Cognitive Therapy programs (MBCT) and the Learning 2 BREATHE (L2B) program. Conclusion Studies implementing mindfulness interventions demonstrated an overall improvement in well-being. Modified versions of these interventions can be implemented in a virtual context, so young adults can improve their well-being through an accessible format.
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 | 0,018 | 0,048 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,010 | 0,011 |
| Bibliométrie | 0,010 | 0,008 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».