Experiences of Veteran and Civilian Patients in Exploratory Yoga Sessions for Chronic Pain: A Qualitative Study
Notice bibliographique
Résumé
Background: Yoga integrates all aspects of self, with biological, mental, intellectual, and spiritual elements. The practice of yoga aligns with the biopsychosocial model of health and, as such, it can be instrumental in pain treatment. Aims: The purpose of this qualitative study was to explore perceptions regarding the yoga sessions for chronic pain through thematic content analysis with comparison of gender, veteran or civilian status, and delivery methods. Methods: Patients with chronic pain attended a 5-week intensive interdisciplinary chronic pain management program at the Michael G. DeGroote Pain Clinic. Participants were asked to complete six open-ended questions following four weekly 1-h yoga classes, through in-person or virtual delivery. Survey responses were thematically and separately analyzed by reviewers. Results: = 41) participants (56% males, 71% veterans) with an average age of 50.87 (SD 10.10) years provided comments. Nine themes emerged: (1) mind and body are one through yoga practices; (2) meaningful practice of yoga basics is productive for range of motion/movement, tension in joints, and chronic pain; (3) yoga classes provide an enjoyable process of learning; (4) yoga reminds patients of their physical capabilities; (5) routine practices lead to improvements; (6) yoga improved on strategies for chronic pain; (7) yoga can be adapted for each patient; (8) mindset improves to include positive thinking, better focus, and willingness to try new things; and (9) improvements exist for the current yoga programming. Conclusion: Findings of the current study were nine qualitative themes that present the experience of patients with chronic pain in the yoga sessions.
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 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».