MétaCan
Menu
Retour à la cohorte
Enregistrement W1987384721 · doi:10.3109/02699052.2014.919538

The impact of alexithymia on burnout amongst relatives of people who suffer from traumatic brain injury

2014· article· en· W1987384721 sur OpenAlexaboutno aff
Maria Katsifaraki, Rodger Ll. Wood

Notice bibliographique

RevueBrain Injury · 2014
Typearticle
Langueen
DomaineMedicine
ThématiqueTraumatic Brain Injury Research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésAlexithymiaDepersonalizationToronto Alexithymia ScaleBurnoutFeelingPsychologyClinical psychologyBeck Depression InventoryEmotional exhaustionPopulationCoping (psychology)PsychiatryMedicineAnxietySocial psychology

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Although previous research has provided some indication of the association of alexithymia and burnout, this is the first study exploring the association of these two variables in a sample of relatives of individuals who have sustained traumatic brain injury (TBI). OBJECTIVE: To explore the degree to which relatives experience burnout and the extent to which alexithymia acts as a pre-disposing factor, controlling for depression and coping strategies. METHOD: Toronto Alexithymia Scale-20, Maslach Burnout Inventory-Human Services, Estonian COPE Dispositional Inventory and Beck Depression Inventory-II were completed by 60 relatives of patients with TBI drawn from a tertiary head injury clinic population. RESULTS: Levels of emotional exhaustion, reduced personal accomplishment and depression were significantly higher in the sub-group of relatives with alexithymia than in the sub-group of relatives without alexithymia. Difficulty describing feelings and externally oriented thinking style were significant predictors of emotional exhaustion, while difficulty identifying feelings and difficulty describing feelings were important predictors of depersonalization. CONCLUSIONS: Relatives who present with alexithymia need to be identified at an early stage to minimize risks of burnout leading to adverse effects on patient-caregiver relationships.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,006
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,732
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,038
Tête enseignante GPT0,354
Écart entre enseignants0,316 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations27
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBrain InjuryMême sujetTraumatic Brain Injury ResearchTravaux en français237 207