Spinal cord injury and aging: an exploration of the interrelatedness between key psychosocial factors contributing to the process of resilience
Notice bibliographique
Résumé
CONTEXT: Extant literature highlights how many individuals display resilient trajectories following spinal cord injury (SCI), exhibiting positive psychological adjustment. In the absence of a universal definition, it is agreed that resilience is demonstrated when individuals have better-than-projected outcomes when considering the level of adversity experienced. Previous research has focused on traits connected to vulnerability and maladaptive trajectories following SCI rather than the psychosocial factors that contribute to resilience, which can be cultivated over the lifetime. Individuals living with SCI are now aging and have lifespans paralleling that of the broader older adult population. Aging with SCI can result in a sequela of concomitant pathophysiologic conditions and social challenges, which can undermine resiliency. OBJECTIVE: The purpose of the current commentary is to explore some of the psychosocial factors contributing to resilience within the context of aging with SCI. METHODS: Commentary. FINDINGS: Psychosocial factors contributing to resilience within the SCI population include self-efficacy, social supports, and spirituality. However, these factors are complex and their interconnectedness is not well-understood at the intersection of SCI and aging. CONCLUSION: Understanding the complexities of the contributing psychosocial factors can allow for the development of targeted and innovative multi-pronged rehabilitative strategies that can support resilient trajectories across the lifetime. Future research should move towards the inclusion of additional psychosocial factors, adopting longitudinal research designs, and prudently selecting methods.
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 | 0,001 |
| Études des sciences et des technologies | 0,000 | 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 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 ».