Mindfulness-based Practices in Workers to Address Mental Health Conditions: A Systematic Review
Notice bibliographique
Résumé
The effectiveness of mindfulness techniques in addressing address mental health conditions in workers is uncertain. However, it could represent a therapeutic tool for workers presenting with such conditions. Our objective was to assess the effects of mindfulness-based practices for workers diagnosed with mental health conditions. We conducted a systematic review of randomized controlled trials (RCT). Participants included were workers with a mental health condition. Interventions included any mindfulness technique, compared to any non-mindfulness interventions. Outcomes were scores on validated psychiatric rating scales. 4,407 records were screened; 202 were included for full-text analysis; 2 studies were included. The first study (Finnes et al, 2017) used Acceptance and Commitment Therapy (ACT) associated or not with Workplace Dialogue Intervention (WDI), compared to treatment as usual. At 9 months follow-up, for the ACT group, depression scores improved marginally (Standardized Mean Difference, SMD: -0.06, p=0.021), but anxiety scores were worse (SMD: 0.15, p=0.036). Changes in mental health outcomes were not statistically significant for the ACT+WDI group. In the second study (Grensman et al, 2018), no statistically significant change in mental health scales has been observed after completion of mindfulness-based cognitive therapy (MBCT) compared to Cognitive-Behavioral Therapy (CBT). Substantial heterogeneity precluded meta-analysis. This systematic review did not find evidence that mindfulness-based practices provide a durable and substantial improvement of mental health outcomes in workers diagnosed with mental health conditions.
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 | 0,004 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,004 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,002 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».