Predicting of borderline personality disorder (BPD) based on emotional intelligence, apathy and empathy among the soldiers admitted to a military hospital
Notice bibliographique
Résumé
"Due to the prevalence of BPD among soldiers and the importance of their mental health, the purpose of the study was to examine the relationship between emotional intelligence, alexithymia and empathy with BPD among the soldiers and to evaluate whether these variables could predict PBD. The study was cross-sectional with descriptive design. In this study, 150 soldiers with BPD admitted to 505 Army Psychiatric Hospital, Tehran were selected by convenience sampling and answered the following questionnaires: Bar-On Emotional Quotient Inventory (EQ-I), Toronto Alexithymia Scale (TAS-20) and Mehrabian and Epstein Empathy Questionnaire (EQ) with data analysis done in SPSS. The aspects of EQ had a reverse and significant relationship with BPD (r=-0.81), (p=0.01) and the relationship between alexithymia and PBD was direct and significant (p = 0.46) r), (p = 0.01), and the aspects of empathy and BPD were related inversely and significantly (r = -0.26), (p = 0.01). The results showed that the symptoms of BPD could be predicted somehow based on EI, alexithymia and empathy in soldiers with this disorder. From among the aspects of the variables studied, ability to solve problem, self-respect, self-actualization and optimism, objective thinking and difficulty in emotion recognition, emotional susceptibility, reactive empathy, participatory empathy and empathy toward others had the greatest roles in the prediction of BPD, but the subscale of independence with BPD examined among the soldiers was insignificant. These results are predictable in the context of emotional maladaptation, emotional distress, and mental impairment in BPD."
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 | 0,000 |
| 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 ».