Adaptive Causal Thinking About Mobility Challenges: Implications for Quality of Life
Notice bibliographique
Résumé
Abstract Weiner’s attribution theory posits that it is adaptive to ascribe challenges to controllable causes (e.g., insufficient effort, bad strategies) and maladaptive to ascribe them to uncontrollable causes (e.g., old age). This is supported by our prior research that showed a heightened risk of mortality when mobility challenges were attributed to old age. The present pilot study randomly assigned older adults (N=36) in a day hospital to either an attributional retraining (AR) intervention group that viewed a video intended to shift causal thinking regarding mobility challenges (uncontrollable→controllable causes), or to a comparison group (No-AR). Participants completed a Time1 survey, the AR intervention (one week later), and a Time2 follow-up survey two weeks later. A manipulation-check revealed that AR was effective in shifting causal thinking away from maladaptive causes; a decline in the endorsement of the old age attribution was observed in the AR group (Ms=2.61 vs. 2.06; p=.02), but not in the No-AR group (Ms=2.45 vs. 2.35, p=.30). The AR and No-AR groups were equivalent at Time 1 on two quality-of-life outcomes: helplessness and perceived control (PC) over health. However, helplessness declined (Time1-Time2) in the AR group (Ms=1.13 vs. 0.73, p=.03), whereas it was relatively stable in the No-AR group (Ms=1.42 vs. 1.26, p>.20). Moreover, PC increased marginally in the AR group (Ms=6.50 vs. 6.69; p=.06), but declined in the No-AR group (Ms=6.20 vs 5.45, p=.05). Together, these findings suggest that attributions can be shifted away from uncontrollable causes and that this shift can have a protective effect that benefits quality-of-life.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,020 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 source (Gemma direct ou Codex distillé), 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 ».