The Challenge of Accounting for the Moderator Effect of Risk Exposure on the Effectiveness of Mindfulness-Based Treatments for Youth
Notice bibliographique
Résumé
Although many positive psychology interventions like mindfulness-based treatments (MBTs) for youth have been used with a wide array of risk exposed populations (children living in poverty, victims of violence, displaced persons, children with disabilities, etc.), the efficacy of MBTs with regard to the level and domain of risk exposure has been largely overlooked. This oversight contributes to a perception of positive psychology as being decontextualized. The purpose of this meta-analysis is to better understand how a young person's level and domain of risk exposure influences the efficacy of MBTs. Published studies were included if participants were children or adolescents, were RCTs or cluster RCTs, and focused on the effect of an MBT or an MBT component. Specifically, 58 studies were qualitatively analyzed and 42 were quantitatively analyzed. The qualitative analysis evidenced a lack of objectivity in the assessment of risk exposure, with many papers providing very little or no detail on participants' level or domain of risk exposure (whether threats to psychological wellbeing originate with the individual's biology or cognitions, or the social, built or natural environment). Our quantitative analysis showed that MBTs significantly improved main outcomes relative to the control conditions, with a small-to-moderate effect size. Where it was possible to identify the level of risk exposure, we found that MBTs positively moderated treatment response, with better response among those participants with a higher level of risk. We conclude that future Positive Psychology research will need to better account for risk exposure if the discipline is to improve our understanding of which populations benefit most from interventions that promote mindfulness. Supplementary Information: The online version contains supplementary material available at 10.1007/s41042-023-00145-y.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,222 | 0,405 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,001 |
| Méta-épidémiologie (sens large) | 0,006 | 0,017 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,003 |
| Communication savante | 0,005 | 0,007 |
| Science ouverte | 0,004 | 0,004 |
| Intégrité de la recherche | 0,003 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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; l’étiquette directe de Gemma et le classifieur distillé Codex 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 ».