Dispositional mindfulness profiles and psychological symptoms: a latent profile analysis
Notice bibliographique
Résumé
Objectives: In this study, we aimed to (1) examine profiles of mindfulness using the short form of the FFMQ (FFMQ-SF), (2) identify the demographic predictor (i.e., sex) of mindfulness profile membership, and (3) examine associations of mindfulness profiles with psychological outcomes (i.e., anxiety and depressive symptoms). Methods: This cross-sectional study included 604 individuals recruited from Amazon's Mechanical Turk platform (MTurk). We performed latent profile analyses (LPA) to explore the individual profiles based on scores on dispositional mindfulness facets. Dispositional mindfulness was measured using the Five-Facet Mindfulness Questionnaire-Short Form (FFMQ-SF). Depression was assessed using the Patient Health Questionnaire-9 (PHQ-9). Anxiety symptoms were measured by the Generalized Anxiety Disorder Scale (GAD-7). Results: We identified three mindfulness profiles including, Judgmentally Describing, Low Mindfulness, and Non-Judgmentally Describing. Participants in the Low Mindfulness group were more likely to be women compared to the other two profiles (Judgmentally Describing and Non-Judgmentally Describing groups). Participants in the Low Mindfulness group had the highest levels of anxiety and depressive symptoms, whereas individuals in the Non-Judgementally Describing group had the lowest levels of depression and anxiety. Conclusion: In the present study, we demonstrated three profiles of the FFMQ-SF, which had differential relationships with anxiety and depressive symptoms. Consideration of such profiles may help clinicians to develop more fine-tuned mindfulness-based psychological interventions.
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 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| 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; 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 ».