MétaCan
Menu
Retour à la cohorte
Enregistrement W2205166008 · doi:10.29173/bsuj281

Rumination and Self-destructive Thoughts in People with Depression

2015· article· en· W2205166008 sur OpenAlexaffvenue
Kelsie Moore

Notice bibliographique

RevueBehavioural Sciences Undergraduate Journal · 2015
Typearticle
Langueen
DomainePsychology
ThématiqueAnxiety, Depression, Psychometrics, Treatment, Cognitive Processes
Établissements canadiensMount Royal University
Organismes subventionnairesnon disponible
Mots-clésRuminationPsychologyFeelingDistressThought suppressionDepression (economics)DistractionClinical psychologyPsychotherapistSocial psychologyCognitionPsychiatryCognitive psychology

Résumé

récupéré en direct d'OpenAlex

Increasing rates of suicide have peaked interest in how individuals with depression may view their environment differently and have abnormal thought processes compared to non-depressed individuals. In order to explore how depressive thought processes lead to completed suicide, this review of literature looks at research and theoretical explanations of rumination, self-destructive thoughts, and feelings of hopelessness. People with depression are more attentive to both their own and other people’s actions and have a strong desire for control. Rumination prevents effective problem solving and increases the duration of depressive symptoms. Highly self-aware individuals often attend to discrepancies between the real self and who they wish to be, which causes distress and overthinking about negative aspects of problems while neglecting the development of solutions. Suicide is one method of escaping the self when these discrepancies become salient and continual failure also leads to feelings of hopelessness. Positive distraction such as getting involved in hobbies as well as the promotion of optimistic and hopeful thoughts may help depressive ruminators refrain from negative thoughts and may ultimately help prevent suicide.

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)0,002
score de la tête « metaresearch » (Gemma)0,014
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 enseignants0,002
Score d'incertitude au seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,014
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
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 Opus0,056
Tête enseignante GPT0,341
Écart entre enseignants0,285 · 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

Citations7
Publié2015
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueBehavioural Sciences Undergraduate JournalMême sujetAnxiety, Depression, Psychometrics, Treatment, Cognitive ProcessesTravaux en français237 207