Evaluating the Impact of an App-Delivered Mindfulness Meditation Program to Reduce Stress and Anxiety During Pregnancy: Pilot Longitudinal Study
Notice bibliographique
Résumé
BACKGROUND: Stress and anxiety during pregnancy are extremely prevalent and are associated with numerous poor outcomes, among the most serious of which are increased rates of preterm birth and low birth weight infants. Research supports that while in-person mindfulness training is effective in reducing pregnancy stress and anxiety, there are barriers limiting accessibility. OBJECTIVE: The aim of this paper is to determine if mindfulness meditation training with the Headspace app is effective for stress and anxiety reduction during pregnancy. METHODS: A longitudinal, single-arm trial was implemented with 20 pregnant women who were instructed to practice meditation via the Headspace app twice per day during the month-long trial. Validated scales were used to measure participant's levels of stress and anxiety pre- and postintervention. Physiological measures reflective of stress (heart rate variability and sleep) were collected via the Oura Ring. RESULTS: Statistically significant reductions were found in self-reported levels of stress (P=.005), anxiety (P=.01), and pregnancy anxiety (P<.0001). Hierarchical linear modeling revealed a statistically significant reduction in the physiological data reflective of stress in 1 of 6 heart rate variability metrics, the low-frequency power band, which decreased by 13% (P=.006). A total of 65% of study participants (n=13) reported their sleep improved during the trial, and 95% (n=19) stated that learning mindfulness helped with other aspects of their lives. Participant retention was 100%, with 65% of participants (n=13) completing about two-thirds of the intervention, and 50% of participants (n=10) completing ≥95%. CONCLUSIONS: This study found evidence to support the Headspace app as an effective intervention to aid in stress and anxiety reduction during pregnancy.
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) | 0,000 | 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 ».