How Mindfulness and Acceptance Could Help Psychiatrists Predict Alexithymia Among Students
Notice bibliographique
Résumé
ABSTRACT: Mindfulness and acceptance have demonstrated associations with alexithymia facets. As a very limited body of research has explored the predictive strength among alexithymia-related constructs, this study aimed to investigate the prediction of alexithymia based on acceptance and mindfulness among students. The study group consisted of 586 university students, 237 (40.9%) females and 349 (59.1%) males. As for data collection, the five-factor mindfulness questionnaire, Acceptance and Commitment Questionnaire, and the Toronto Alexithymia Scale-2 were applied. A stepwise multiple linear regression was calculated to predict alexithymia based on components of commitment and action, mindfulness facets, and demographic variables (F[5,578] = 77.26, p ≤ 0.001), with an R2 of 0.41. The predictive variables including description (B = -0.59, t = -8.02, p < 0.001), commitment and action (B = -0.13, t = -4.38, p < 0.001), observation (B = -0.15, t = -2.94, p < 0.01), and no judgment (B = -0.16, t = -2.56, p < 0.05) exhibited significant prediction effects on the adjusted index of alexithymia. The findings contribute to the potential mechanism between mindfulness and alexithymia in intervention that seeks to improve mindfulness and acceptance skills and could prove more effective in treating patients with alexithymia.
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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 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 ».