The effects of loving-kindness interventions on positive and negative mental health outcomes: A systematic review and meta-analysis
Notice bibliographique
Résumé
Loving-kindness meditations involve sending feelings of kindness and care to a series of people including oneself, loved ones, strangers, and all beings. Loving-kindness interventions (LKIs), which include knowledge and/or practice related to loving-kindness, have been gaining attention as a potential intervention for improving mental health in adults. This meta-analysis synthesized the effects of LKIs on both positive (i.e., mindfulness, compassion, positive affect) and negative (i.e., negative affect, psychological symptoms) indices of mental health across comparison types (i.e., passive control, active control, alternative treatment) and general sample types (i.e., community, university), and explored characteristics of LKIs that may impact their effectiveness (i.e., intervention format, intervention length, presence/absence of a live facilitator). Following a systematic review of six databases in November 2023, 23 randomized controlled studies met eligibility criteria and were included in the review. Relative to passive control groups, LKIs had positive effects on mindfulness, compassion, positive affect, negative affect, and psychological symptoms; these effects were non-significant relative to active control groups and alternative therapeutic treatments. Notably, the effects of LKIs did not differ as a function of sample type, intervention format, intervention length, or the presence/absence of a live facilitator. Findings provide support for the effectiveness of LKIs relative to passive control conditions, as well as their potential comparability to alternative evidence-based therapeutic treatments, and provide insight into resource-effective approaches to the delivery of effective LKIs. However, additional studies are needed to confirm the impacts of LKIs relative to other interventions in the field.
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 | 0,006 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,018 | 0,014 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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; les deux têtes enseignantes 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 ».