Comparing the effectiveness of treatment based on acceptance and commitment and mindfulness therapy on chronic pain in people with drug addiction
Notice bibliographique
Résumé
Introduction: Not only can the experience of pain be a factor for drug use, but it can also be a motivation to use drugs again during and after treatment. Aim: The purpose of the present study was to compare the effectiveness of acceptance and commitment-based therapy and mindfulness-based therapy on chronic pain in People with drug addiction. Method: The research method was semi-experimental with a pre-test-post-test design and a control group with one-month follow-up. The statistical population included people suffering from drug abuse who referred to addiction treatment clinics in Arak city in 2021. Using available sampling method, 60 people were selected and randomly put/ placed in experimental and control groups (20 people in each group). The research tool included the revised McGill Pain Questionnaire (2009). Mindfulness therapy was implemented in 8 sessions (90 minutes each session) and acceptance and commitment based therapy was also implemented in 8 sessions (90 minutes each session). Data were analyzed using SPSS-25 statistical software and covariance analysis. Results: The results of covariance analysis for chronic pain in the post-test and follow-up phase showed/ demonstrated a significant difference (P=0.001). Both treatments had a significant effect on the improvement of chronic pain, and it is worth noting that this effect was greater for the treatment group for whom the treatment was based on acceptance and commitment (P=0.01). Conclusion: Treatment based on acceptance and commitment showed more effectiveness in improving chronic pain compared to mindfulness. Therefore, the use of acceptance and commitment-based therapy is recommended to improve chronic pain in people suffering from drug abuse.
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 | 0,001 | 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) | 0,000 | 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 ».