The Impact of Resilience, Alexithymia and Subjectively Perceived Helplessness of Myocardial Infarction on the Risk of Posttraumatic Stress
Notice bibliographique
Résumé
Abstract The aim of this study was to investigate the impact of resilience, alexithymia and the subjectively perceived severity (fear of death, pain intensity, helplessness) of myocardial infarction (MI) on posttraumatic symptom severity (PTSS) after MI. Patients were assessed with the Posttraumatic Diagnostic Scale (PDS), Resilience Scale (RS-11) and Toronto Alexithymia Scale (TAS-20). Subjectively perceived severity of MI was measured with three items on a 10-point Likert scale. To test our hypothesis, we applied Pearson correlations as well as multiple hierarchical linear regression analyses. A higher resilience score was significantly associated with lower ( r = − .39, p < .001) PTSS. Higher scores of alexithymia ( r = .38, p < .01) and subjectively perceived helplessness ( r = .42, p < .001) were associated with higher PTSS. Multiple hierarchical linear regression analyses revealed that resilience, the TAS-20 subscale difficulty identifying feelings (DIF) and especially subjectively perceived helplessness were independent significant predictors for the PTSS, adjusted R 2 = .29, F (5, 102) = 9.57, p < .001. Our results suggest that resilience reduces the PTSS whereas alexithymia and subjectively perceived helplessness increase the risk. Especially the subjectively perceived helplessness explains a high degree of variance of PTSS and should be assessed to hindering further mental health burden.
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 | 0,006 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 ».