MétaCan
Menu
Retour à la cohorte
Enregistrement W4281710538 · doi:10.2147/prbm.s363433

The Effect of Emotion Regulation on Non-Suicidal Self-Injury Among Adolescents: The Mediating Roles of Sleep, Exercise, and Social Support

2022· article· en· W4281710538 sur OpenAlexaboutno aff
Zhensong Lan, Pau Kee, Hapsah Md Yusof, Xuefang Huang

Notice bibliographique

RevuePsychology Research and Behavior Management · 2022
Typearticle
Langueen
DomainePsychology
ThématiqueSuicide and Self-Harm Studies
Établissements canadiensnon disponible
Organismes subventionnairesEducation Department of Guangxi Zhuang Autonomous Region
Mots-clésPsychologyClinical psychologySocial supportPath analysis (statistics)Emotional regulationCognitionStructural equation modelingNegative emotionInjury preventionCognitive reappraisalDevelopmental psychologyPoison controlMedicinePsychiatryPsychotherapist

Résumé

récupéré en direct d'OpenAlex

Purpose: To explore the relationship between adolescents' emotion regulation ability and non-suicidal self-injury (NSSI) behavior and the role of sleep, exercise, and social support in this relationship. Methods: A total of 2573 adolescents were investigated with the Cognitive Emotion Regulation Scale, the Social Support Scale for Children and Adolescents, the Ottawa Self-Injury Questionnaire, and the Self-Made Living Condition Questionnaire, and path analysis was conducted based on the structural equation model (SEM). Results: 1) There was a significant correlation between emotion regulation ability and NSSI behavior; 2) sleep and social support played a mediating role between emotion regulation ability and NSSI behavior; and 3) sleep modulated the direct effect of negative emotion regulation ability on NSSI, while exercise modulated the direct effect of positive emotion regulation ability on NSSI, which indicated that sleep and exercise could effectively alleviate NSSI behavior caused by the lack of emotion regulation in adolescents.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,030
Tête enseignante GPT0,381
Écart entre enseignants0,351 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations35
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePsychology Research and Behavior ManagementMême sujetSuicide and Self-Harm StudiesTravaux en français237 207