Why Do Alexithymic Features Appear to Be Stable?
Notice bibliographique
Résumé
BACKGROUND: This 12-month follow-up study investigated the prevalence of alexithymia and its relationship with depression in a sample of the general population from Eastern Finland (n = 1,584). METHODS: Alexithymia was assessed using the 20-item version of the Toronto Alexithymia Scale (TAS) and depression using the 21-item Beck Depression Inventory (BDI). RESULTS: The prevalence of alexithymia in each study phase was similar (baseline: 9.7%; follow-up: 10.1%). Mean values of BDI, TAS-20 and subfactors of the TAS-20 also remained unchanged between the study phases. However, by using the original cutoff points, we found that a proportion of the subjects were in a different TAS-20 category on follow-up than at baseline. The mean values of BDI had not changed in those subjects who had similar alexithymia status in both phases, but increased or decreased in parallel with the change in TAS-20 score among all other subjects. CONCLUSIONS: Our findings indicate that it is important to use a variety of viewpoints when studying changes in alexithymia status. Alexithymia appears to be a stable trait based on the similarity of the mean TAS-20 scores in separate study phases. However, when focusing on the changes in alexithymia status at the individual level, alexithymic features also appear to be state dependent and strongly related to depressive symptoms.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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 ».