MétaCan
Menu
Retour à la cohorte
Enregistrement W2041301656 · doi:10.1097/01.psy.0000035781.74170.f1

Postoperative Course After Papilloma Resection: Effects of Written Disclosure of the Experience in Subjects With Different Alexithymia Levels

2003· article· en· W2041301656 sur OpenAlexaboutno aff
Luigi Solano, Valentina Donati, Francesca Pecci, S Persichetti, Andrea Colaci

Notice bibliographique

RevuePsychosomatic Medicine · 2003
Typearticle
Langueen
DomainePsychology
ThématiqueMental Health via Writing
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésAlexithymiaFeelingToronto Alexithymia ScalePsychologyMedicineClinical psychologySocial psychology

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: The aim of the investigation was to assess the effects on postoperative course after bladder papilloma resection of a technique for the written disclosure of traumatic events in interaction with individual differences in alexithymia. METHODS: Forty subjects were administered a general questionnaire and the Toronto Alexithymia Scale (TAS-20) the second day after admittance. Twenty subjects were asked to write for 3 days, 20 minutes a day, about their experience of being in the hospital, following instructions developed by J. W. Pennebaker and coworkers. The postoperative course was assessed objectively by the duration of stay in hospital and subjectively by subjects completing the Symptom Check List 90 (SCL-90) the day before leaving the hospital. RESULTS: Subjects who wrote stayed fewer days in hospital and had lower SCL-90 scores. The same effect was shown by low alexithymia levels. Study of interactions showed that the effect of writing was apparent only in subjects high in alexithymia, whereas subjects low in alexithymia showed a favorable course independent of writing. CONCLUSIONS: Writing about one's thoughts and feelings about being in hospital for a surgical operation has beneficial effects on postoperative course. This holds particularly true for high alexithymic subjects, who obtain through writing the same outcome as low alexithymic subjects.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,028
Tête enseignante GPT0,349
Écart entre enseignants0,321 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations98
Publié2003
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePsychosomatic MedicineMême sujetMental Health via WritingTravaux en français237 207