Determining the Effectiveness of Zen Technique on Psychological Well-being and Pain in Elderly Residents of Kahrizak Nursing Home
Notice bibliographique
Résumé
Objective: This study aimed to examine the effectiveness of Zen meditation techniques on psychological well-being and pain in elderly residents. Methods and Materials: The study employed a quasi-experimental design with pre-test, post-test, and follow-up assessments and included both experimental and control groups. A total of 42 elderly residents (20 men and 22 women, aged 65-85) from Kahrizak Nursing Home in Tehran, Iran, in 2023 were randomly assigned to the groups. The experimental group received Zen meditation training over 20 sessions (100 minutes per session, three times a week), while the control group received no intervention. Psychological well-being was assessed using the Ryff Psychological Well-being Questionnaire, and pain levels were measured with the McGill Pain Questionnaire. Data were analyzed using mixed two-factor ANOVA. Findings: Results indicated that Zen meditation training significantly improved psychological well-being in the experimental group compared to the control group, with notable increases in self-acceptance, positive relations, autonomy, and personal growth. However, the effect on pain reduction was less pronounced and not significant compared to controls, although some pain reduction was observed in the post-test and follow-up assessments. Conclusion: Zen meditation training effectively enhanced psychological well-being among elderly participants, suggesting it could be a beneficial intervention for improving mental health in this population. However, the limited effect on pain highlights the need for further investigation and potentially combining Zen meditation with other pain management strategies. The study recommends more extensive longitudinal research to establish the long-term impact of meditation on well-being and pain in diverse elderly populations.
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 | 0,000 | 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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».