Mindfulness-Based Self-Management Program Using a Mobile App for Patients With Pulmonary Hypertension: Single-Arm Feasibility Study
Notice bibliographique
Résumé
BACKGROUND: Mindfulness-based interventions have been applied across various chronic illnesses, but no tailored program exists for individuals with pulmonary hypertension (PH). OBJECTIVE: This study aimed to develop and evaluate the feasibility of a mindfulness-based self-management program for patients with PH, delivered online to accommodate their limited mobility. METHODS: A single-arm pre-post study was conducted using an eight-session, weekly videoconference program incorporating PH self-management education and elements of mindfulness-based cognitive therapy. A mobile application linked to an Apple Watch was used to support symptom monitoring and mindfulness awareness. Outcomes included PH-related symptoms; quality of life (emPHasis-10); depression (PHQ-9); anxiety (GAD-7); resilience (CD-RISC); and loneliness (UCLA Loneliness Scale-short version). Assessments occurred at baseline, week 4, and program completion. Exit interviews explored perceived changes and experiences. RESULTS: Twelve participants (mean age 41.8, SD 10.5 years; range 26-56 years) were enrolled, and nine completed the program (75% retention). Participants valued the online format and Apple Watch integration, while noting a need for optional on-demand sessions. Qualitative analysis identified themes such as increased self-awareness, use of meditation for pain management, and enhanced self-compassion. Quantitative analysis showed significant changes across three time points (baseline, week 4, week 8) for emPHasis-10 (χ²₂=9.742; P = .008) and CD-RISC (χ²₂=7.267; P = .03). Trends toward change were observed for PHQ-9 (χ²₂=4.750; P = .09) and GAD-7 (χ²₂=5.067; P = .08), but week-12 data were limited (n=5). No significant changes in loneliness were observed. CONCLUSIONS: The program appeared to support patients with PH in managing symptoms and emotions and suggested potential improvements in quality of life. These preliminary findings warrant evaluation in a future randomized controlled trial. CLINICALTRIAL: UMIN Clinical Trials Registry UMIN000044075; https://center6.umin.ac.jp/cgi-open-bin/ctr_e/ctr_view.cgi?recptno=R000050319.
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 | 0,000 | 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 | 0,000 |
| 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 ».