A study of correlation between alexithymia and resilience in military personnel
Notice bibliographique
Résumé
Objective To explore correlation between alexithymia and resilience in military personnel.Methods 2802 subjects were chosen by random cluster sampling to outline the military personnel resilience scale and military alexithymia scale.The data were analyzed by t-test,chi-square test,ANOVA,correlation analysis and multiple linear regressions analysis.Results The prevalence rate of alexithymia was 6.85％,while resilience was 6.60％.Compared to sea force (45.62 ± 11.25 ) and air force (45.32 ± 9.98 ) subjects,land force (47.92 ± 9.92)had significantly higher total score in alexithymia(P＜ 0.05 ).Compared to sea force (87.35 ± 12.15 ) and air force ( 88.58 ± 10.39 ) subjects,land force ( 85.73 ± 10.70) had significantly lower total score in resilience(P ＜ 0.05 ).The total score and every factor score of subjects with alexithymia were significant lower than those of control group in resilience(P ＜ 0.05 ).Every factor of Resilience Scale were mild negative correlation with every factor of Alexithymia Scale (P＜0.01).Problem solving,volition,optimism and family supports were the main factors which had affected on the alexithymia.Conclusion The prevalence rate of alexithymia in military personnel is lower than ordinary people,but there are still issues in alexithymia and resilience,particularly in land force.The research show mild correlation between alexithymia and resilience in military personnel. Key words: Military personnel; Resilience; Alexithymia; Correlation
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) | 0,000 | 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) | 0,000 | 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 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 ».