MétaCan
Menu
Retour à la cohorte
Enregistrement W2118577709 · doi:10.5539/gjhs.v5n6p40

A Comparative Study of Self-Regulation in Substance Dependent and Non-Dependent Individuals

2013· article· en· W2118577709 sur OpenAlexvenueno aff
Nour‐Mohammad Bakhshani, Mohsen Hosseinbor

Notice bibliographique

RevueGlobal Journal of Health Science · 2013
Typearticle
Langueen
DomainePsychology
ThématiqueBehavioral Health and Interventions
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésFeelingSubstance dependenceSubstance usePsychologyClinical psychologyChecklistDescriptive statisticsAssertivenessSubstance abuseSelf-controlPsychiatryDevelopmental psychologySocial psychology

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Several factors influence the beginning and maintenance of substance use. The purpose of this study was to examine as well as to compare 'self-regulation' in both substance dependent and non-substance dependent individuals. METHOD: In a cross-sectional study 228 (118 substance dependent and 110 with no history of using substance) participants aged 16-55 were recruited. All of the participants were asked to complete the Self-Regulation Inventory (SRI-25) and a demographic characteristics data checklist. Data was analyzed using descriptive statistics (frequency, mean and standard deviation) and the t-test. RESULTS: The results showed significant differences between substance dependent and non- substance dependent groups in all the scales of the self-regulation inventory including positive actions, controllability, expression of feelings and needs, assertiveness, and well-being seeking (p<0.01). CONCLUSION: Self-regulation and self-control skills in drug dependent individuals are lower than those without substance dependence individuals. It is concluded that substance use may related to a deficiency in self-control and regulation of feelings. Therefore, for prevention and treatment of substance dependence disorder, it is necessary to work out and exploit strategies that include the improvement of self-regulation.

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)0,000
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 enseignants0,006
Score d'incertitude au seuil0,362

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
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 Opus0,073
Tête enseignante GPT0,441
Écart entre enseignants0,368 · 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

Citations23
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGlobal Journal of Health ScienceMême sujetBehavioral Health and InterventionsTravaux en français237 207