The Effectiveness of Breathing and Relaxation Techniques on Somatic Tension and Trait Anger
Notice bibliographique
Résumé
This study aimed to evaluate the effectiveness of a structured breathing and relaxation intervention in reducing somatic tension and trait anger among Canadian adults. A randomized controlled trial was conducted with 30 participants (15 intervention, 15 control) recruited from community and educational centers in Isfahan, Iran. The intervention group underwent ten 60-minute sessions over five weeks, incorporating diaphragmatic breathing, progressive muscle relaxation, and guided imagery techniques. Assessments were conducted at pre-test, post-test, and five-month follow-up using the Pennebaker Inventory of Limbic Languidness (Muscle Tension Subscale) and the State-Trait Anger Expression Inventory-2 (STAXI-2). Data were analyzed using repeated measures ANOVA with Bonferroni post-hoc tests via SPSS-27. Significant main effects of time and group, as well as time × group interactions, were found for both somatic tension (F(2,56) = 36.71, p < .001, η² = .58) and trait anger (F(2,56) = 27.43, p < .001, η² = .49). Post-hoc comparisons revealed a significant reduction in somatic tension from pre-test to post-test (MD = 9.62, p < .001) and from pre-test to follow-up (MD = 11.79, p < .001). Trait anger also decreased significantly between pre-test and post-test (MD = 6.12, p < .001), and between pre-test and follow-up (MD = 6.95, p < .001), with sustained effects over time. Breathing and relaxation techniques are effective in reducing both somatic and emotional symptoms, with benefits persisting up to five months post-intervention. These findings support the integration of psychophysiological self-regulation practices into mental health and stress management programs as non-invasive and cost-effective strategies.
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 | 0,016 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| 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 ».