A Meta-analysis and Systematic Review of Emotion-Regulation Strategies in Borderline Personality Disorder
Notice bibliographique
Résumé
Emotion dysregulation is often considered a core characteristic of individuals with borderline personality disorder (BPD). With the development and strength of a contemporary affective-science model that encompasses both healthy emotion regulation (ER) and emotion dysregulation, this model has increasingly been used to understand the affective experiences of people with BPD. In this meta-analysis and review, we systematically review six of the most commonly studied ER strategies and determine their relative endorsement in individuals with elevated symptoms of BPD compared to individuals with low symptoms of BPD and healthy controls, as well as to individuals with other mental disorders. Results from 93 unique studies and 213 different effect-size estimates indicated that symptoms of BPD were associated with less frequent use of ER strategies that would be considered more effective at reducing negative affect (i.e., cognitive reappraisal, problem solving, and acceptance) and more frequent use of ER strategies considered less effective at reducing negative affect (i.e., suppression, rumination, and avoidance). When compared to individuals with other mental disorders, people with BPD endorsed higher rates of rumination and avoidance, and lower rates of problem solving and acceptance. We also review important contributions from studies of ER in BPD that we were unable to incorporate into our meta-analysis. We conclude by discussing how the pattern of using ER strategies in BPD contributes to emotion dysregulation and also the potential reasons for this pattern, integrating both Gross's extended process model of ER and Linehan's updated theoretical account on the development of emotion dysregulation.
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 | 0,004 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,017 | 0,006 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 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 ».