Mindfulness-Based Therapy for Military Populations with Chronic Pain: A Systematic Review
Notice bibliographique
Résumé
Background: Due to the limited role of chronic pain medication in military personnel and the distress caused to the military population, mindfulness-based therapy has been considered for the follow-up treatment of military personnel with chronic pain. The purpose of this review is to explore the effect and the implementation of mindfulness-based therapy for the military population with chronic pain. Methods: The keywords for the search included “mindfulness” AND (“pain” OR “chronic pain”) AND (“military” OR “veteran”). The PubMed, Embase, and Cochrane Library databases were searched. The Cochrane Collaboration tool was used to independently assess the risk of bias of the included randomized controlled trials, and the Newcastle–Ottawa Scale was used to independently assess the risk of bias of the included case–control studies. Results: A total of 175 papers were identified; 65 duplicates were excluded, and 59 papers that did not meet the inclusion criteria were excluded after reading the titles and abstracts. The remaining 51 papers were read in full, 42 of which did not meet the inclusion criteria. Nine papers met the inclusion criteria and were included in the study. The nine studies included 507 veterans and 56 active-duty female military personnel. All pain interventions were mindfulness-based therapy, and all of them were integrated into or adapted from standard mindfulness courses. The results all showed that after mindfulness-based therapy, the relevant indicators improved. Conclusions: Mindfulness-based therapy is an effective treatment method for the military population with chronic pain. The review indicates that future research should focus on the best setting for mindfulness-based therapy, including the course content and time.
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 | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,004 | 0,001 |
| 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 | 0,001 |
| 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 ».