MétaCan
Menu
← Retour à la cohorte
Enregistrement W2906018081 · doi:10.1183/13993003.congress-2018.pa1515

Study on The Correlation between Alexithymia and Social Support of Nurses in ICU

2018· article· en· W2906018081 sur OpenAlexaboutno aff
Xin Zhong, Hongjing Lin, Xueli Zhang

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineMedicine
ThématiquePsychosomatic Disorders and Their Treatments
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésAlexithymiaMedicineCorrelationClinical psychology

Résumé

récupéré en direct d'OpenAlex

Objectives: The goal of the present study is to investigate the status of alexithymia and social support among ICU nurses,and to investigate the correlation between the alexithymia and social support of ICU nurses. Methods: From June to November 2016,400 ICU nurses were sampled from 7 general hospitals in Changchun with convenient sampling method, there were 375 valid questionnaires. The efficiency was 93.75%. The questionnaire includes the self-designed general situation questionnaire,Toronto Alexithymia Scale (TAS-20) and Social Support Rating Scale (SSRS). Results: 1. The total score of the alexithymia of ICU nurses was 55.07± 7.85,and the mean score of alexithymia was 2.75±0.39. 2. The total score of social support of ICU nurses was 37.14± 6.75,and the mean score of social support was 2.86±0.52. 3. The total score of the alexithymia was negatively correlated with the subjective support,objective support,supportive utilization and the total score of social support(P<0.01). Conclusions: 1. ICU nurses generally have a certain degree of empathy, and at a moderate level. The job title,working years,with or without children, marital status were the factors that affect the ICU nurses9 alexithymia. 2. The social support of ICU nurses was at the middle level. Gender,age, job title,working years,with or without children and marital status were the factors affecting the social support of ICU nurses. 3. The alexithymia of ICU nurses was negatively correlated with the subjective support.

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)0,000
score de la tête « metaresearch » (Gemma)0,003
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 enseignants0,003
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,038
Tête enseignante GPT0,333
Écart entre enseignants0,295 · 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 sujetPsychosomatic Disorders and Their Treatments→Travaux en français237 207→