A model exploring the relationship between betrayal trauma and health: The roles of mental health, attachment, trust in healthcare systems, and nonadherence to treatment.
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
OBJECTIVE: Prior research suggests that there is a relationship between traumatic experiences and poor health. When considered through the lens of betrayal trauma (i.e., the perpetrator and the victim have a close interpersonal relationship), traumatic experiences predict greater posttraumatic difficulty and higher levels of depression. Betrayal trauma has been associated with poorer interpersonal relationships and less trust in individuals and systems that may be important for a person's wellbeing, such as health care systems. In turn, trauma survivors are less likely to adhere to medical treatment, which may ultimately affect their overall health. The current study examined the complex relationship between experiences of betrayal trauma and poor health, while accounting for demographics, mental health symptoms, trust in physicians and the medical system, attachment style, and nonadherence to medical treatment. METHOD: A demographically representative sample of 312 Canadian participants was surveyed online. Participants completed measures that assessed symptoms of mental health (PTSD, depression), trauma, attachment style, trust, and nonadherence to medical treatment. RESULTS: Hierarchical regression models were used to examine the relationship between betrayal trauma and health. Betrayal trauma significantly predicted nonadherence to treatment, while trust in physicians was explained by trauma, attachment style, and mental health symptoms. All of these factors significantly explained poor health status. CONCLUSIONS: Results suggest the importance of implementing trauma-informed care in health care systems. (PsycINFO Database Record (c) 2019 APA, all rights reserved).
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.
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 | 0,010 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découle