نقش ناگویی خلقی و ابراز گری هیجانی در پیشبینی علائم جسمانی سازی در جانبازان
Notice bibliographique
Résumé
مقدمه: علائم جسمانی سازی سطوح بالایی از نگرانی، اضطراب و واکنش افراطی در پاسخ به علائم فیزیکی را در افراد ایجاد میکند و گفته میشود که جسمانی سازی میتواند از اختلال در ابراز گری هیجان بوجود آمده باشد. با توجه به اهمیت این امر، پژوهش حاضر با هدف تعیین نقش ناگویی خلقی و ابرازگری هیجانی در پیشبینی علائم جسمانی سازی در جانبازان شهر شیراز در سال ۱۳۹۳ انجام گرفت. انجام گرفت. روش: این مطالعه از نوع توصیفی- مقطعی است. نمونه مورد مطالعه شامل 125 جانباز مرد بود. نمونهها به روش در دسترس از شهر شیراز در سال ۱۳۹۳ انتخاب شدند. برای جمعآوری اطلاعات از مقیاس ناگویی خلقی Toronto، پرسشنامه ابرازگری هیجانی Berkeley و خرده مقیاس جسمانی سازی آزمون تجدیدنظر شده فهرست علائم ۹۰ سؤالی (SCL-90 R) استفاده شد. دادههای بهدستآمده با استفاده از آزمونهای ضریب همبستگی پیرسون و تحلیل رگرسیون چندگانه خطی تحلیل شد. نتایج: نتایج همبستگی نشان داد علائم جسمانی سازی با دشواری در توصیف احساسات (34/0 r=و 001/0p<)، دشواری در تشخیص احساسات (39/0 r=و 001/0p<)، رابطه مثبت ولی با بیانگری منفی هیجان (17/0- r=و 03/0p=)، بیانگری مثبت هیجان (15/0- r =و 05/0p=) و نمره کلی ابرازگری هیجان (18/0- r =و 02/0p=) ارتباط منفی دارد. نتایج تحلیل رگرسیون خطی نیز نشان داد ۲۰درصد از کل واریانس علائم جسمانی سازی بهوسیله ناگویی خلقی بهویژه دشواری در تشخیص احساسات تبیین میشود. بحث: نتایج مطالعه حاضر نشان میدهد ناگویی خلقی و ابرازگری هیجانی در علائم جسمانی سازی نقش دارند. این یافتهها از این فرض حمایت میکنند که علائم جسمانی سازی را میتوان نوعی اختلال در بیان هیجان در نظر گرفت.
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 | 0,002 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,003 | 0,003 |
| Communication savante | 0,006 | 0,004 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,125 | 0,090 |
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 ».