Psychological Defense Mechanisms and Alexithymia in Cancer Patients
Notice bibliographique
Résumé
Introduction: The goal of this research was to compare Alexithymia and psychological defense mechanisms in cancer patients with normal group. Also, investigation of the predictive role of three defense mechanisms in Alexithymia was considered. Materials and Methods: From chemotherapy ward of Shahid Beheshti hospital of Qom city, 45 cancer patients were selected by convenient sampling method. Also, 45 employees of this hospital were included as the normal group. Defense Mechanisms Questionnaire and Toronto Alexithymia Scale-20 were used. Data was analyzed with Independent Sample T-test, Pearson Correlation and Multivariate Regression. Results: Compared with normal people, cancerous patients had higher scores in alexithymia (p=0.01), difficulty in emotions recognition subscale (p=0.03) and non-developed defense mechanisms (p=0.007). Non-developed defense mechanisms had significant relationships with alexithymia and difficulty in emotion’s recognition and description subscales (p>0.01), also non-developed defense mechanisms could predict alexithymia in cancerous patients (p>0.005). Conclusions: Findings indicates that cancer is a stressful event that can cause non-developed defense mechanisms start to emerge as dominant psychological defense mechanisms in the majority of patients. Alexithymia which has a relation with defense mechanisms is also a dynamic reaction for coping with unpleasant emotions driven by the illness.
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 | 0,000 | 0,001 |
| 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) | 0,002 | 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 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 ».