Effectiveness of Mindfulness Training on Pain Perception, Cognitive Function, and Mental Well-Being in Migraine Patients
Notice bibliographique
Résumé
The present study aimed to assess the effectiveness of mindfulness training on pain perception, cognitive function, and mental well-being in migraine patients in Tabriz. The research method was quasi-experimental with a pre-test–post-test design and separate groups. The statistical population included all migraine patients in Tabriz during the first four months of 2024. To determine the sample, 30 participants were non-randomly selected through purposive sampling and assigned to experimental and control groups. Pain perception was measured using the Revised Short-Form McGill Pain Questionnaire (SF-MPQ-2), cognitive function was assessed using the Cognitive Ability (Performance) Questionnaire by Najati (2013), and mental well-being was evaluated using the Cantril Ladder (1965). Prior to the intervention, both groups completed pre-tests on pain perception, cognitive function, and mental well-being. The experimental group received 8 sessions of Williams' (2002) mindfulness training through an educational protocol, while the control group received no educational intervention. After the intervention, both groups completed the same post-test measures. Data were analyzed using multivariate analysis of covariance (MANCOVA). The results showed that mindfulness training was effective in the subscales of pain perception, cognitive function, and mental well-being in migraine patients (p < 0.05). Based on the effectiveness of mindfulness training on pain perception, cognitive function, and mental well-being in migraine patients, it can be concluded that mindfulness training, alongside treatment of physiological components, can reduce pain perception and, through this, enhance cognitive function and mental well-being.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| 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 ».