Trait Emotional Intelligence, Anxiety Sensitivity, and Experiential Avoidance in Stress Reactivity and Their Improvement Through Psychological Methods
Notice bibliographique
Résumé
Stress pervades daily society, often with deleterious consequences for those prone to react intensely to it. Intervention techniques to attenuate stress reactivity are thus paramount. With that goal in mind, researchers have sought to identify and alter malleable psychological dispositional variables that influence stress reactivity. Trait emotional intelligence (TEI), anxiety sensitivity (AS), and experiential avoidance (EA) are increasingly receiving attention in these research efforts. The self-reported emotional component of stress reactivity has been emphasized in investigations and is our focus. Specifically, this paper overviews the role of TEI, AS, and EA in self-reported stress responses. We also discuss empirically supported psychological methods to adjust suboptimal levels of these variables in normal populations. Both psycho-educational (information, skills) and mindfulness-based interventions (specific mindfulness therapies or components) are covered. Findings include that (1) TEI, AS, and EA are each correlated with the emotional component of stress reactivity to both naturalistic and lab-based stressors; (2) preliminary support currently exists for psycho-educational intervention of TEI and AS but is lacking for EA; (3) adequate evidence supports mindfulness-based interventions to target EA, with very limited but encouraging findings suggesting mindfulness methods improve TEI and AS; and (4) although more research is needed, stress management approaches based on mindfulness may well target all three of these psychological variables and thus appear particularly promising. Encouragingly, some methods to modify dispositional variables (e.g., a mindfulness-based format of guided self-help) are easily disseminated and potentially applicable to the general public.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,001 |
| 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 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 ».