Feasibility, Acceptability, and Preliminary Efficacy of an App-Based Meditation Intervention to Decrease Firefighter Psychological Distress and Burnout: A One-Group Pilot Study
Notice bibliographique
Résumé
BACKGROUND: Firefighters are often exposed to occupational stressors that can result in psychological distress (ie, anxiety and depression) and burnout. These occupational stressors have only intensified with the onset of the COVID-19 pandemic and will likely persist in the postpandemic world. OBJECTIVE: To address occupational stressors confronting firefighters, we pilot tested a novel, cost-effective, smartphone app-based meditation intervention created by Healthy Minds Innovations that focused on mindfulness (awareness) training along with practices designed to cultivate positive relationships (connection), insight into the nature of the self (insight), and a sense of purpose in the context of challenge (purpose) with a sample of professional firefighters from a large metropolitan area in southwestern United States. METHODS: A total of 35 participants were recruited from a closed online group listserv and completed the self-guided 10-unit meditation app over the course of 10 days, at 1 unit per day. We assessed anxiety symptoms, depression symptoms, burnout, and negative affect as well as saliva diurnal cortisol rhythm, an objective indicator of stress-related biology, before and after use of the meditation app. RESULTS: This study demonstrated the meditation app was both feasible and acceptable for use by the majority of firefighters. We also found significant reductions in firefighters' anxiety (P=.01), burnout (P=.05), and negative affect (P=.04), as well as changes in cortisol diurnal rhythm, such as waking cortisol (P=.02), from before to after use of the meditation app. CONCLUSIONS: Our study findings call for future research to demonstrate the efficacy of this meditation app to reduce psychological distress and burnout in firefighters.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,015 | 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 ».