MétaCan
Menu
Retour à la cohorte
Enregistrement W4293047600 · doi:10.2196/31744

Health Care Workers’ Need for Headspace: Findings From a Multisite Definitive Randomized Controlled Trial of an Unguided Digital Mindfulness-Based Self-help App to Reduce Healthcare Worker Stress

2022· article· en· W4293047600 sur OpenAlexvenueno aff
Heather Taylor, Kate Cavanagh, Andy P. Field, Clara Strauss

Notice bibliographique

RevueJMIR mhealth and uhealth · 2022
Typearticle
Langueen
DomainePsychology
ThématiqueMindfulness and Compassion Interventions
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMindfulnessPsychological interventionRandomized controlled trialBurnoutAnxietyPerceived Stress ScaleHealth careWorryMental healthGuided imageryDigital healthMedicineeHealthScale (ratio)General Health QuestionnaireClinical psychologymHealthPsychologyPsychiatryStress (linguistics)

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Health care workers experience high stress. Accessible, affordable, and effective approaches to reducing stress are lacking. In-person mindfulness-based interventions can reduce health care worker stress but are not widely available or accessible to busy health care workers. Unguided, digital, mindfulness-based self-help (MBSH) interventions show promise and can be flexibly engaged with. However, their effectiveness in reducing health care worker stress has not yet been explored in a definitive trial. OBJECTIVE: This study aimed to investigate the effectiveness of an unguided digital MBSH app (Headspace) in reducing health care worker stress. METHODS: This was a definitive superiority randomized controlled trial with 2182 National Health Service staff in England recruited on the web and allocated in a 1:1 ratio to fully automated Headspace (n=1095, 50.18%) or active control (Moodzone; n=1087, 49.82%) for 4.5 months. Outcomes were subscales of the Depression, Anxiety, and Stress (primary outcome) Scale short form; Short Warwick Edinburgh Mental Well-being Scale; Maslach Burnout Inventory; 15-item Five-Facet Mindfulness Questionnaire minus Observe items; Self-Compassion Scale-Short Form; Compassionate Love Scale; Penn State Worry Questionnaire; Brooding subscale of the Ruminative Response Scale; and sickness absence. RESULTS: Intention-to-treat analyses found that Headspace led to greater reductions in stress over time than Moodzone (b=-0.31, 95% CI -0.47 to -0.14; P<.001), with small effects. Small effects of Headspace versus Moodzone were found for depression (b=-0.24, 95% CI -0.40 to -0.08; P=.003), anxiety (b=-0.19, 95% CI -0.32 to -0.06; P=.004), well-being (b=0.14, 95% CI 0.05-0.23; P=.002), mindfulness (b=0.22, 95% CI 0.09-0.34; P=.001), self-compassion (b=0.48, 95% CI 0.33-0.64; P<.001), compassion for others (b=0.02, 95% CI 0.00-0.04; P=.04), and worry (b=-0.30, 95% CI -0.51 to -0.09; P=.005) but not for burnout (b=-0.19, -0.04, and 0.13, all 95% CIs >0; P=.65, .67, and .35), ruminative brooding (b=-0.06, 95% CI -0.12 to 0.00; P=.06), or sickness absence (γ=0.09, 95% CI -0.18 to 0.34). Per-protocol effects of Headspace (454/1095, 41.46%) versus Moodzone (283/1087, 26.03%) over time were found for stress, self-compassion, and compassion for others but not for the other outcomes. Engagement (practice days per week) and improvements in self-compassion during the initial 1.5-month intervention period mediated pre- to postintervention improvements in stress. Improvements in mindfulness, rumination, and worry did not mediate pre- to postintervention improvements in stress. No serious adverse events were reported. CONCLUSIONS: An unguided digital MBSH intervention (Headspace) can reduce health care workers' stress. Effect sizes were small but could have population-level benefits. Unguided digital MBSH interventions can be part of the solution to reducing health care worker stress alongside potentially costlier but potentially more effective in-person mindfulness-based interventions, nonmindfulness courses, and organizational-level interventions. TRIAL REGISTRATION: International Standard Randomised Controlled Trial Number ISRCTN15424185; https://tinyurl.com/rv9en5kc.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,006
score de la tête « metaresearch » (Gemma)0,013
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Essai randomisé · Signal consensuel: Essai randomisé
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,033

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,013
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,002
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,002
Communication savante0,0020,002
Science ouverte0,0010,001
Intégrité de la recherche0,0030,002
Charge utile insuffisante (le modèle a refusé de juger)0,0100,001

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 Opus0,037
Tête enseignante GPT0,392
Écart entre enseignants0,355 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeEssai randomisé
Domainenon disponible
GenreEmpirique

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

En bref

Citations90
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR mhealth and uhealthMême sujetMindfulness and Compassion InterventionsTravaux en français237 207