Alexithymia and Self-Efficacy With Pain Perception in Women with Migraines: A Cross-sectional Study
Notice bibliographique
Résumé
Background: Pain perception in individuals with migraine is very important and is influenced by various factors. The aim of this study was to investigate the role of alexithymia and self-efficacy with pain perception in women with migraine. Materials & Methods: This cross-sectional study was performed in women with migraine referred to medical centers in Rasht in 2021. Using convenience sampling method, 160 women with migraines participated in the study and answered the demographic information questionnaire, Toronto Alexithymia Scale (TAS-20), General Self-Efficacy Scale (GSE) and McGill Pain Questionnaire (MPQ). Data was analyzed using Pearson correlation coefficient and linear regression model. Results: Of total, 152 women responded to the questionnaire (response rate= 95%). The mean age of study participants was 32.86±8.5 years. Pain perception was negatively associated with selfefficacy (r=-0.28; P=0.001) and positively associated with alexithymia (r= 0.20; P=0.001). The results of linear regression also showed that self-efficacy and Externally-Oriented Thinking (EOT) subscale explained 13% of the variance in pain perception. Conclusion: Self-efficacy and externally-oriented thinking were significant contributors of pain perception in women with migraine. These variables can be considered for adopting coping strategies in patients experiencing migraine pain.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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) | 0,002 | 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 ».