Reductions in Alexithymia and Emotion Dysregulation After Training Emotional Self-Awareness Following Traumatic Brain Injury: A Phase I Trial
Notice bibliographique
Résumé
OBJECTIVES: To examine the acceptability and initial efficacy of an emotional self-awareness treatment at reducing alexithymia and emotion dysregulation in participants with traumatic brain injury (TBI). SETTING: An outpatient rehabilitation hospital. PARTICIPANTS: Seventeen adults with moderate to severe TBI and alexithymia. Time postinjury ranged 1 to 33 years. DESIGN: Within subject design, with 3 assessment times: baseline, posttest, and 2-month follow-up. INTERVENTION: Eight lessons incorporated psychoeducational information and skill-building exercises teaching emotional vocabulary, labeling, and differentiating self-emotions; interoceptive awareness; and distinguishing emotions from thoughts, actions, and sensations. MEASURES: Toronto Alexithymia Scale-20 (TAS-20); Levels of Emotional Awareness Scale (LEAS); Trait Anxiety Inventory (TAI); Patient Health Questionnaire-9 (PHQ-9); State-Trait Anger Expression Inventory (STAXI); Difficulty With Emotion Regulation Scale (DERS); and Positive and Negative Affect Scale (PANAS). RESULTS: Thirteen participants completed the treatment. Repeated-measures analysis of variance revealed changes on the TAS-20 (P = .003), LEAS (P < .001), TAI (P = .014), STAXI (P = .015), DERS (P = .020), and positive affect (P < .005). Paired t tests indicated significant baseline to posttest improvements on these measures. Gains were maintained at follow-up for the TAS, LEAS, and positive affect. Treatment satisfaction was high. CONCLUSION: This is the first study published on treating alexithymia post-TBI. Positive changes were identified for emotional self-awareness and emotion regulation; some changes were maintained several months posttreatment. Findings justify advancing to the next investigational phase for this novel intervention.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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 ».