Alexithymia and coping strategies among medical students
Notice bibliographique
Résumé
Introduction University life is stressful for the student, which is characterized by disturbed emotional regulation or alexithymia. To face these stressful events he must use certain coping strategies. Objectives Studying the prevalence of alexithymia and exploring coping strategies among medical students, and establish the relationship between these parameters. Methods It was a cross-sectional study of 97 students in Sfax university medicine (Tunisia). We used: – a questionnaire containing demographic and clinical data; – Toronto alexithymia Scale (TAS-20): a score ≥61 indicates alexithymia; – WCC (Ways of Coping Checklist-r Folkman) with 3 factors: problem-focused, emotion-focused and social support coping. Results The average age of participants was 24.07 years (±2.71); the sex ratio (M/W) was 0.4. They were smoking in 36.1% and sedentary in 43.3% of case. They had a nibbling activity in 57.7%. The average score of TAS-20 was 50. 92 10.46 and alexithymia was found in 16.5% of students. Alexithymia was significantly correlated with smoking ( P = 0.003) and physical inactivity ( P = 0.025). Most students (72.2%) opted for problem-focused ways of coping with a highest score at WCC = 29.21. A significant correlation was found between alexithymia and coping strategy with emotion-focused ( P = 0.02). The TAS score was significantly higher among students who resort to this ways of coping = 26.11. ( P = 0.002). Conclusion This study explored the role of alexithymia in stress management ubiquitous in university life. A high level of alexithymia could be a detrimental factor in stress management. Psychological support aimed specifically alexithymic dimension is indispensable. Disclosure of interest The authors have not supplied their declaration of competing interest.
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 | 0,000 | 0,000 |
| 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 ».