Not all mindfulness is equal: certain facets of mindfulness have important implications for well-being and mental health across the lifespan
Notice bibliographique
Résumé
The connections between the five facets of mindfulness, well-being, and mental health across the lifespan have traditionally been investigated using variable-centered approaches. Less research has investigated these relationships from a person-centered, profile-based approach. In this work, we aimed to identify the profiles of mindfulness in a Canadian lifespan sample (14 to 90 years of age) and investigate how these profiles compared on age, well-being, and mental health. An age- and gender-balanced sample of 1,600 participants completed a questionnaire that measured the five facets of mindfulness; life satisfaction; existential well-being; and anxiety, depression, and stress symptoms. A latent profile analysis was conducted. Five profiles based on the five-facet model of mindfulness were identified: high mindfulness, moderate mindfulness, low mindfulness, nonjudgmentally aware, and judgmentally observing . The 3-step approach to profile comparisons was used to assess age, mental health, and well-being differences across the profiles. Those in the high mindfulness and nonjudgmentally aware profiles were generally older, while the judgmentally observing profile contained younger individuals. Those in the high mindfulness and nonjudgmentally aware profiles reported the greatest mental health and well-being. Conversely, those in the low mindfulness and judgmentally observing profiles had worse mental health than the other profiles. The moderate mindfulness profile was situated between these profile groups on age, mental health, and well-being outcomes. This pattern of results has implications for mindfulness-based intervention research and practice to better account for heterogeneity in mindfulness and better support well-being across the lifespan.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».