Web-Based Intervention Using Self-Compassionate Writing to Induce Positive Mood in Family Caregivers of Older Adults: Quantitative Study
Notice bibliographique
Résumé
BACKGROUND: Caregiver burden can impact the mental health of family caregivers, but self-compassion may help reduce this impact. Brief self-compassion interventions have been shown to be useful but have not been tested in family caregivers of older adults. OBJECTIVE: This study aimed to test the effects of a brief self-compassion intervention and its components (self-kindness, common humanity, and mindfulness) on mental well-being and mood when reflecting on difficult family caregiving experiences. METHODS: British caregivers were recruited through a web-based panel. Three experimental studies manipulated the self-compassion intervention. In study 1 (n=206) and study 2 (n=224), participants wrote about a difficult caregiving experience while focusing on 1 self-compassion component (self-kindness, common humanity, or mindfulness). In study 3 (n=222) participants focused on all components. Self-compassion, serenity, guilt, and sadness were measured. RESULTS: In studies 1 and 2, condition effects showed mindfulness unexpectedly lowered mood. Inconsistent and modest benefits to affect were achieved by engagement in self-kindness and common humanity in study 1 (guilt [lowered]: P=.02 and sadness [lowered]: P=.04; serenity [nonsignificantly raised]: P=.20) and also in study 2 (sadness [nonsignificantly lowered]: P=.23 and guilt [nonsignificantly lowered]: P=.26; serenity [raised]: P=.33); significant benefits for self-compassion and mood were found in study 3 (serenity [raised]: P=.01, kindness [raised]: P=.003, and common humanity [raised]: P≤.001; guilt [lowered]: P<.001 and sadness [lowered]: P≤.001). More intensive efforts should be made to promote self-compassion in caregivers of older adults, with caution advised when relying primarily on mindfulness approaches. CONCLUSIONS: Self-compassionate writing may be beneficial for family caregivers, but more intensive interventions are needed. Further research is needed to determine the optimal dosage and content for achieving the greatest effects.
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 | 0,003 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 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 ».