Optimizing Emotion Regulation in Borderline Personality Disorder: Why and When Strategies Do and Do Not Work
Notice bibliographique
Résumé
This dissertation aimed to delineate ways to optimize emotion regulation in borderline personality disorder (BPD) by 1) identifying factors that influence general emotion regulation effectiveness and 2) examining whether these factors predict differential effectiveness of two classes of emotion regulation strategies: engagement (i.e., engaging with emotional content) versus disengagement (i.e., shifting attention away from emotional content) strategies. Factors that occur before (i.e., antecedent-focused) and after (i.e., response-focused) emotion provocation were examined. Specifically, four predictors of general and differential emotion regulation effectiveness were identified: antecedent-focused sleep quality (impaired sleep efficiency and rated sleep quality), antecedent-focused biology (basal vagal tone), antecedent-focused emotion (baseline emotional intensity), and response-focused emotion (emotional reactivity). Secondary analyses also investigated whether the relationships of these factors to general and differential emotion regulation effectiveness varied across BPD and healthy control (HC) groups. A sample of individuals with BPD (n = 40) and matched HCs (n = 40) completed a weeklong assessment of sleep efficiency and quality and then participated in an experimental procedure. First, basal vagal tone and baseline emotional intensity data were collected. Following, participants were trained to use two BPD-relevant emotion regulation strategies, mindful awareness (engagement strategy) and distraction (disengagement strategy), in response to negative emotion inductions. Emotional reactivity in response to the inductions, and the extent to which emotion was decreased using the strategies following the inductions (i.e., emotion regulation effectiveness), was examined. Emotion was measured comprehensively across self-report, sympathetic, parasympathetic, and behavioural/expressive domains. Results indicated that sleep efficiency and rated sleep quality predicted differential emotion regulation effectiveness as they improved distraction but not mindful awareness effectiveness across groups. As well, higher basal vagal tone and emotional reactivity predicted improved emotion regulation effectiveness across strategies and groups. Findings suggest that targeting sleep quality may specifically facilitate the attention mechanisms required for effective use of distraction in BPD. They also suggest that identifying ways to increase vagal tone may potentiate the emotion regulation capacity of individuals with BPD. Finally, results indicate that high emotional reactions may not necessarily be problematic and, in fact, may mark a particularly fluid emotional system that is responsive to emotion regulation attempts.
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 | 0,002 | 0,007 |
| 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 | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».