Design and Implementation of a Brief Digital Mindfulness and Compassion Training App for Health Care Professionals: Cluster Randomized Controlled Trial
Notice bibliographique
Résumé
BACKGROUND: Several studies show that intense work schedules make health care professionals particularly vulnerable to emotional exhaustion and burnout. OBJECTIVE: In this scenario, promoting self-compassion and mindfulness may be beneficial for well-being. Notably, scalable, digital app-based methods may have the potential to enhance self-compassion and mindfulness in health care professionals. METHODS: In this study, we designed and implemented a scalable, digital app-based, brief mindfulness and compassion training program called "WellMind" for health care professionals. A total of 22 adult participants completed up to 60 sessions of WellMind training, 5-10 minutes in duration each, over 3 months. Participants completed behavioral assessments measuring self-compassion and mindfulness at baseline (preintervention), 3 months (postintervention), and 6 months (follow-up). In order to control for practice effects on the repeat assessments and calculate effect sizes, we also studied a no-contact control group of 21 health care professionals who only completed the repeated assessments but were not provided any training. Additionally, we evaluated pre- and postintervention neural activity in core brain networks using electroencephalography source imaging as an objective neurophysiological training outcome. RESULTS: Findings showed a post- versus preintervention increase in self-compassion (Cohen d=0.57; P=.007) and state-mindfulness (d=0.52; P=.02) only in the WellMind training group, with improvements in self-compassion sustained at follow-up (d=0.8; P=.01). Additionally, WellMind training durations correlated with the magnitude of improvement in self-compassion across human participants (ρ=0.52; P=.01). Training-related neurophysiological results revealed plasticity specific to the default mode network (DMN) that is implicated in mind-wandering and rumination, with DMN network suppression selectively observed at the postintervention time point in the WellMind group (d=-0.87; P=.03). We also found that improvement in self-compassion was directly related to the extent of DMN suppression (ρ=-0.368; P=.04). CONCLUSIONS: Overall, promising behavioral and neurophysiological findings from this first study demonstrate the benefits of brief digital mindfulness and compassion training for health care professionals and compel the scale-up of the digital intervention. TRIAL REGISTRATION: Trial Registration: International Standard Randomized Controlled Trial Number Registry ISRCTN94766568, https://www.isrctn.com/ISRCTN94766568.
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 | 0,006 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,006 | 0,003 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,004 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,019 | 0,002 |
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 source (Gemma direct ou Codex distillé), 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 ».