Age, Pain Intensity, Values-Discrepancy, and Mindfulness as Predictors for Mental Health and Cognitive Fusion: Hierarchical Regressions With Mediation Analysis
Notice bibliographique
Résumé
Background: Several studies have confirmed that higher levels of psychological flexibility predict better functioning for those suffering with chronic pain. However, few studies have investigated the role of the individual components of psychological flexibility within a chronic pain population in relation to aging specifically and the related indirect mediational processes. Aims: The present study aimed to compare how age, pain intensity, mindfulness, and values-discrepancy predicted mental health and cognitive fusion separately. It also explored the indirect process relations through the use of a mediated analysis. Method: 233 participants completed an online survey which included demographical questions as well as the following questionnaires; Short Form McGill Pain Questionnaire (SF-MPQ); General Health Questionnaire 12; Cognitive Fusion 7-Item Questionnaire (CFQ-7); Mindfulness Attention Awareness Scale (MAAS); and the Chronic Pain Values Inventory (CPVI). The relationships from the responses of the questionnaires and demographics were then analysed through two hierarchical regression models followed by further mediation analysis. Results: In the first model, values-discrepancy, pain intensity, and mindfulness all predicted mental health, but age did not. However, age did account for a significant portion of the variance in the second model when cognitive fusion was used as the dependent measure (DV). It was also found that cognitive fusion mediated the relationship between age and mental health. Conclusions: These results are discussed within the context of using indirect process relations of psychological flexibility and third wave therapies such as Acceptance and Commitment Therapy (ACT) for a chronic pain population.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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) | 0,001 | 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 ».