Impacts of Tai Chi on Empathy Levels in Healthcare Professionals: A Quasi-Experimental Study
Notice bibliographique
Résumé
Background: Healthcare professionals may struggle with empathy, which can affect patient care. It is possible that Tai Chi, which includes physical activity and mindfulness, could potentially impact empathy levels. The purpose of this study was to investigate the impact of Tai Chi on empathy levels in healthcare professionals, using the Toronto Empathy Questionnaire.
 Materials and Methods: Five females 18-60 years of age who were employed as healthcare workers in the United States for at least six months were asked to complete asynchronous virtual Tai Chi sessions for 30 minutes, two times a week, for 5 weeks. Each Tai Chi virtual session included safety reminders, a warm-up, a cool-down, and different Tai Chi moves integrated into a sequence of movements. The Toronto Empathy Questionnaire was utilized to assess the participants’ empathy levels pre-and post-intervention. Participants completed weekly progress logs to track engagement.
 Results: Based on the weekly progress logs, participants completed an average of 8 asynchronous virtual Tai Chi sessions over 5 weeks. Participants demonstrated an average increase of 4.2 points on the Toronto Empathy Questionnaire pre- to post-intervention (mean pretest TEQ score = 48.2; mean posttest TEQ score = 52.4). The participants’ average scores on the TEQ posttest averaged 3.47 points above the typical female score range.
 Conclusion: Results suggest the potential value of Tai Chi for enhancing empathy levels in healthcare professionals. Future studies should integrate larger sample sizes, and qualitative approaches to data collection focused on participants' perspectives regarding their displayed empathy levels. Another suggestion is synchronous Tai Chi sessions, which could increase participant accountability.
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 | 0,009 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».