SPECIAL ISSUE: Differentiating Successful from Less Successful Males and Females in a Group Relaxation/Biofeedback Stress Management Program
Notice bibliographique
Résumé
Managing stress in the post-COVID world requires a program that can efficaciously and cost-effectively address a large number of people who have differing experiences and needs and can also be adapted for internet presentation. The purpose of this paper is to share observations, collected over more than forty years, of group stress management training in university and community settings. The specific data reported are from a subgroup that is representative of the other groups. An in-person group stress-management program of 141 adults in community clinics with approximately 15 to 20 per group attended 10 training sessions across 5 weeks with pre-post personality measures. The group also documented 5 weeks of home practice, symptoms, and medication use. The average group improvement in well-being was 80%, following training in breathing, progressive muscle relaxation, autogenic training, visualization, quieting response, and alphagenics, with individual temperature biofeedback having been provided during the last 5 classes. A pre- to post-two-way analysis of variance (ANOVA) revealed that the Spielberger State-Trait Anxiety Inventory (STAI) trait anxiety and Eysenck Personality Inventory (EPI) neuroticism significantly decreased. EPI extraversion increased only in females. Males and females equally preferred autogenic training (55%). The most successful males and females were older, practiced more, reported greater increases in self-confidence, and attributed more of their success to the group and/or instructor. The success of a program may also be associated with excellent home practice compliance, being a part of a group, and increases in self-confidence/efficacy.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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.
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 ».