Predicting alexithymia in adolescents based on early trauma and attitudes toward father and mother
Notice bibliographique
Résumé
Introduction: Recent studies show that there is a positive correlation between alexithymia and a wide range of diseases including mood disorders, eating disorders, substance abuse, cardiovascular diseases, diabetes, rheumatoid arthritis, intestinal inflammation, cancer, respiratory diseases, and chronic pains. The aim of this study is to predict alexithymia on the basis of early trauma and attitudes toward mother and father. Â Materials and Methods: In this canonical correlation study in 2012-2013, 300 students (150 girls, 150 boys) were selected via multi stage random sampling in Shiraz high schools. All participants were asked to complete Early Trauma Inventory, Child's Attitude toward Father (CAF) and Mother (CAM) Scales and Toronto Alexithymia Scale (TAS). Data analysis was done using SPSS software version 18 and canonical correlation. Â Results: Structural coefficients showed that the pattern of high scores in difficulty identifying feelings and difficulty describing feelings correlate with the pattern of high scores in early trauma, attitudes toward father and attitudes toward mother (P<0.001).. Therefore, our findings show that the combination of low difficulty identifying feelings and low difficulty describing feelings can probably decrease the likelihood of early trauma and attitudes toward father and mother. Â Â Conclusion: In general, the findings show that early trauma and attitudes toward father and mother can predict difficulty identifying feelings and describing feelings and explain a considerable variance of survival index.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».