MétaCan
Menu
Retour à la cohorte
Enregistrement W2041677858 · doi:10.1097/nmd.0b013e3181e4d310

Mastery and Stigma in Predicting the Subjective Quality of Life of Patients With Schizophrenia in Taiwan

2010· article· en· W2041677858 sur OpenAlexafffund
Ping‐Chuan Hsiung, Ay‐Woan Pan, Shi-Kai Liu, Shing‐Chia Chen, Szu‐Yi Peng, LyInn Chung

Notice bibliographique

RevueThe Journal of Nervous and Mental Disease · 2010
Typearticle
Langueen
DomaineMedicine
ThématiqueSchizophrenia research and treatment
Établissements canadiensUniversity of TorontoCentre for Addiction and Mental Health
Organismes subventionnairesNational Health Research InstitutesNational Taiwan UniversityUniversity of TorontoNational Science Council
Mots-clésPsychologySchizophrenia (object-oriented programming)Stigma (botany)Quality of life (healthcare)Psychological interventionClinical psychologySocial supportPsychiatryPsychotherapist

Résumé

récupéré en direct d'OpenAlex

A total of 199 outpatients with schizophrenia are assessed in this study for their sense of mastery, stigma, social support, symptom severity, and quality of life (QOL), with path models being used to test the direct and indirect effects of these factors on the physical, psychological, social, and environmental QOL domains. Symptoms, stigma, mastery, and social support are found to be key direct predictors for all 4 QOL domains, with mastery having the greatest direct effect on QOL, whereas stigma has the greatest indirect effect, although mediated by mastery and social support. Such results imply that in nonwestern cultures, mastery and stigma are still crucial factors affecting the QOL of patients with schizophrenia. Our results highlight the importance of enhancing the mastery of such patients and reducing the associated stigma when designing treatment programs. To enhance the QOL of patients with schizophrenia, interventions which can optimize the meaningful use of time may well enhance the mastery of these patients, whereas strategies aimed at improving their ability to cope with perceived stigma, at both individual and community levels, may help to reduce the detrimental effects.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,044
Score d'incertitude au seuil0,142

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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)0,0000,000

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 Opus0,013
Tête enseignante GPT0,271
Écart entre enseignants0,258 · 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.

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

Citations48
Publié2010
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueThe Journal of Nervous and Mental DiseaseMême sujetSchizophrenia research and treatmentTravaux en français237 207