Illuminating the theoretical components of alexithymia using bifactor modeling and network analysis.
Notice bibliographique
Résumé
Alexithymia is a multifaceted personality construct that reflects deficits in affect awareness (difficulty identifying feelings, DIF; difficulty describing feelings, DDF) and operative thinking (externally oriented thinking, EOT; restricted imaginal processes, IMP), and is associated with several common psychiatric disorders. Over the years, researchers have debated the components that comprise the construct with some suggesting that IMP and EOT may reflect constructs somewhat distinct from alexithymia. In this investigation, we attempt to clarify the components and their interrelationships using a large heterogeneous multilanguage sample (N = 839), and an interview-based assessment of alexithymia (Toronto Structured Interview for Alexithymia; TSIA). To this end, we used 2 distinctly different but complementary methods, bifactor modeling and network analysis. Results of the confirmatory bifactor model and related reliability estimates supported a strong general factor of alexithymia; however, the majority of reliable variance for IMP was independent of this general factor. In contrast, network analysis results were based on a network comprised of only substantive partial correlations among TSIA items. Modularity analysis revealed 3 communities of items, where DIF and DDF formed 1 community, and EOT and IMP formed separate communities. Network metrics supported that the majority of central items resided in the DIF/DDF community and that IMP items were connected to the network primarily through EOT. Taken together, results suggest that IMP, at least as measured by the TSIA, may not be as salient a component of the alexithymia construct as are the DIF, DDF, and EOT components. (PsycINFO Database Record
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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) | 0,001 | 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 tête enseignante, 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 ».