MétaCan
Menu
Retour à la cohorte
Enregistrement W4224271760 · doi:10.2196/35196

App-Based Mindfulness Meditation for People of Color Who Experience Race-Related Stress: Protocol for a Randomized Controlled Trial

2022· article· en· W4224271760 sur OpenAlexvenueno aff
Giovanni Ramos, Adrián Aguilera, Amanda Kay Montoya, Anna S. Lau, Chu Yin Wen, Victor Cruz Torres, Denise A. Chavira

Notice bibliographique

RevueJMIR Research Protocols · 2022
Typearticle
Langueen
DomainePsychology
ThématiqueMindfulness and Compassion Interventions
Établissements canadiensnon disponible
Organismes subventionnairesAmerican Psychological FoundationFord Foundation
Mots-clésMindfulnessMeditationClinical psychologyRandomized controlled trialAnxietyPsychologyMental healthMedicinePsychotherapistPsychiatry

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: People of color (POC) who experience race-related stress are at risk of developing mental health problems, including high levels of stress, anxiety, and depression. Mindfulness meditation may be especially well suited to help POC cope, given its emphasis on gaining awareness and acceptance of emotions associated with discriminatory treatment. However, mindfulness meditation rarely reaches POC, and digital approaches could reduce this treatment gap by addressing traditional barriers to care. OBJECTIVE: This study will test the effectiveness of a self-directed app-based mindfulness meditation program among POC who experience elevated levels of race-related stress. Implementation outcomes such as treatment acceptability, adherence, and satisfaction will be examined. METHODS: Participants (n=80) will be recruited online by posting recruitment materials on social media and sending emails to relevant groups. In-person recruitment will consist of posting flyers in communities with significant POC representation. Eligible participants will be block randomized to either the intervention group (n=40) that will complete a self-directed 4-week mindfulness meditation program or a wait-list control condition (n=40) that will receive access to the app after study completion. All participants will complete measures at baseline, midtreatment, and posttreatment. Primary outcomes include changes in stress, anxiety, and depression, and secondary outcomes constitute changes in mindfulness, self-compassion, rumination, emotion suppression, and experiential avoidance. Exploratory analyses will examine whether changes in the secondary outcomes mediate changes in primary outcomes. Finally, treatment acceptability, adherence, and satisfaction will be examined descriptively. RESULTS: Recruitment began in October 2021. Data will be analyzed using multilevel modeling, a statistical methodology that accounts for the dependence among repeated observations. Considering attrition issues in self-directed digital interventions and their potential effects on statistical significance and treatment effect sizes, we will examine data using both intention-to-treat and per-protocol analyses. CONCLUSIONS: To our knowledge, this will be the first study to provide data on the effectiveness of a self-directed app-based mindfulness meditation program for POC recruited based on elevated race-related stress, a high-risk population. Similarly, meaningful clinical targets for POC affected by stressors related to race will be examined. Findings will provide important information regarding whether this type of intervention is an acceptable treatment among these marginalized groups. TRIAL REGISTRATION: ClinicalTrials.gov NCT05027113; https://clinicaltrials.gov/ct2/show/NCT05027113. INTERNATIONAL REGISTERED REPORT IDENTIFIER (IRRID): DERR1-10.2196/35196.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,008
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Essai randomisé · Signal consensuel: Essai randomisé
GenreSignal candidat: Protocole · Signal consensuel: Protocole
Score de désaccord entre enseignants0,039
Score d'incertitude au seuil0,978

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0080,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0230,000

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.

Tête enseignante Opus0,145
Tête enseignante GPT0,548
Écart entre enseignants0,403 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeEssai randomisé
Domainenon disponible
GenreProtocole

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations13
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR Research ProtocolsMême sujetMindfulness and Compassion InterventionsTravaux en français237 207