The Relations of Self-Reported Aggression to Alexithymia, Depression, and Anxiety After Traumatic Brain Injury
Notice bibliographique
Résumé
OBJECTIVES: To compare self-reported aggression in people with and without traumatic brain injury (TBI) and examine the relations of aggression to alexithymia (poor emotional insight), depression, and anxiety. SETTING: Rehabilitation hospital. PARTICIPANTS: Forty-six adults with moderate to severe TBI who were at least 3 months postinjury; 49 healthy controls (HCs); groups were frequency matched for age and gender. DESIGN: Cross-sectional study using a quasi-experimental design. MAIN MEASURES: Aggression (Buss-Perry Aggression Questionnaire); alexithymia (Toronto Alexithymia Scale-20); depression (Patient Health Questionnaire-9); and trait anxiety (State-Trait Anxiety Inventory). RESULTS: Participants with TBI had significantly higher aggression scores than HCs. For participants with TBI, 34.2% of the adjusted variance of aggression was significantly explained by alexithymia, depression, and anxiety; alexithymia accounted for the largest unique portion of the variance in this model (16.2%). Alexithymia, depression, and anxiety explained 46% of the adjusted variance of aggression in HCs; in contrast to participants with TBI, depression was the largest unique contributor to aggression (15.9%). CONCLUSION: This was the first empirical study showing that poor emotional insight (alexithymia) significantly contributes to aggression after TBI. This relation, and the potential clinical implications it may have for the treatment of aggression, warrants further investigation.
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 | 0,003 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 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) | 0,000 | 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 ».