Notice bibliographique
Résumé
Background and objectives: A practical measure is needed for studying negative attributions after traumatic brain injury (TBI). This study explored a widely used measure, the Ambiguous Intentions Hostility Questionnaire (AIHQ), for the first time in the TBI population. Primary study aims were to determine if attribution differences could be identified between participants with and without TBI using the AIHQ and examine if traditional attribution associations with anger and aggression were supported. Method: Eighty-five adults with TBI and 86 healthy controls (HCs) were recruited from 2 rehabilitation hospitals. Study design was a cross-sectional survey. Outcomes assessed such as attributions (intent, hostility and blame), anger and aggressive responses to hypothetical scenarios were measured with the AIHQ. Additionally, trait aggression was assessed with the Buss-Perry Aggression Questionnaire (BPAQ). Results: Compared to HCs, participants with TBI had stronger attributions (p .001), anger (p = .021), and aggressive responses (p = .002) to AIHQ scenarios. Attributions were significantly correlated with anger and behavioural (aggressive) responses to AIHQ scenarios and the BPAQ. Conclusion: Participants with TBI judged others' behaviours more severely than HCs. More negative attributions were associated with stronger anger and more aggressive responses. Consistent with past negative attribution research that used a longer, more complex measure, the AIHQ may be a practical instrument for assessing negative attributions after TBI.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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) | 0,010 | 0,039 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».