MétaCan
Menu
Retour à la cohorte
Enregistrement W2896091913 · doi:10.5430/jnep.v9n2p76

The impact of perceived control on psychological distress and health behavior adherence in patients with cardiovascular disease

2018· article· en· W2896091913 sur OpenAlexvenueno aff
Kalon R. Eways, Kymberley K. Bennett, Kadie M. Harry, Jillian M.R. Clark, Elizabeth J. Wilson

Notice bibliographique

RevueJournal of Nursing Education and Practice · 2018
Typearticle
Langueen
DomaineMedicine
ThématiqueCardiac Health and Mental Health
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésAnxietyPsychological interventionDepression (economics)DiseaseDistressPerceived controlClinical psychologyMedicineIntervention (counseling)CognitionPsychological distressRehabilitationPsychologyPsychiatryPhysical therapyInternal medicineDevelopmental psychology

Résumé

récupéré en direct d'OpenAlex

Background: Symptoms of depression and anxiety have been shown to negatively impact physical health outcomes among individuals with cardiovascular disease (CVD). Therefore, an important step in developing interventions to reduce risk for cardiac event recurrence is to identify the emotional and cognitive predictors of psychological distress. This study examined one possible cognitive predictor: perceived control (PC). Specifically, this study tested whether symptoms of depression and anxiety mediate the relationship between PC and adherence to health behavior recommendations in patients participating in a cardiac rehabilitation (CR) program.Methods: Self-report measures were administered to 146 CR patients at the beginning of CR and 12-weeks later, at the end of CR.Results: Anxiety and depressive symptoms did not mediate the relationship between PC and health behavior adherence. Rather, PC was cross-sectionally related to symptoms of psychological distress, and it predicted health behavior adherence 12-weeks later.Conclusions: Results imply that PC has long-term effects on health behavior adherence, an important outcome in CR that reduces risk for recurrence.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,009
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,009
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,074
Tête enseignante GPT0,494
Écart entre enseignants0,420 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Nursing Education and PracticeMême sujetCardiac Health and Mental HealthTravaux en français237 207