Music and hypnosis for well-being in retirement homes: A pilot study
Notice bibliographique
Résumé
Anxiety, pain and poor well-being are major issues in elderly individuals. Complementary interventions, such as music and hypnosis, are increasingly used to address these issues. The objectives of this study were to assess immediate changes in anxiety, pain and well-being during personalized prerecorded music and hypnosis interventions compared to control sessions, and to explore participants’ subjective experiences. We employed a multiple time series model with daily measurements with older people living in retirement homes in rural areas (n = 8). The Edmonton Symptom Assessment Scale (ESAS) evaluated these three dimensions before and after each session, while participants’ subjective experience was collected using an unstructured interview. The primary results showed a significant improvement in the composite score of anxiety, pain, and well-being for the music (p < .001), hypnosis (p = .0158), and music/hypnosis (p = .013) intervention sessions compared to the control sessions. The secondary results indicated a reduction in anxiety for both the music and music/hypnosis interventions (p < .05), along with a significant improvement in well-being. These effects may be attributed to mechanisms such as absorption, episodic memory, cognitive agency, positive emotion, rhythmic entrainment, and rapport, which could have modulated the interventions’ impact. In conclusion, personalized prerecorded music and hypnosis interventions appear to be effective in enhancing the well-being of older individuals residing in retirement homes. Further studies are needed to assess the generalizability of these results to a larger population from diverse sociodemographic backgrounds, and better understand the subjective experiences that mediate these 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 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 | 0,004 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».