MétaCan
Menu
Retour à la cohorte
Enregistrement W2163420902 · doi:10.1177/1049732312449207

The Experience of Emotional Distress Among Women With Scleroderma

2012· article· en· W2163420902 sur OpenAlexafffundabout
Evan G. Newton, Brett D. Thombs, Danielle Groleau

Notice bibliographique

RevueQualitative Health Research · 2012
Typearticle
Langueen
DomaineMedicine
ThématiqueSystemic Sclerosis and Related Diseases
Établissements canadiensJewish General HospitalMcGill University
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésEmotional distressDistressPsychologyClinical psychologyMedicinePsychiatryAnxiety

Résumé

récupéré en direct d'OpenAlex

Emotional distress is common among patients with chronic medical illnesses, but the nature of the distress is not well understood. Our objective was to understand patients' experiences of emotional distress by conducting in-depth interviews using the McGill Illness Narrative Interview with women affected by scleroderma (N = 16). We sought to determine how participants described their distress, what they believed caused it, and how they coped. We analyzed interview transcripts using thematic analysis. Many participants described distress associated with scleroderma, but the term depression was reserved for extraordinary, severe experiences. Instead, participants preferred more normal mood descriptors and often viewed their distress in keeping with the definition of "demoralization." Participants listed concrete symptoms and experiences that caused distress, and some added that stress could exacerbate scleroderma. Participants dealt with distress by not dwelling on their circumstances and working to maintain autonomy. Most preferred to not rely on psychologists and support groups.

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)0,005
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,477
Score d'incertitude au seuil0,414

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0050,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
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 Opus0,306
Tête enseignante GPT0,530
Écart entre enseignants0,224 · 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'étudeQualitatif
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

Citations21
Publié2012
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueQualitative Health ResearchMême sujetSystemic Sclerosis and Related DiseasesTravaux en français237 207