Dynamics of daily positive and negative affect and relations to anxiety and depression symptoms in a transdiagnostic clinical sample
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: Despite interest in transdiagnostic dimensional approaches to psychopathology, little is known about the dynamic interplay of affecting and internalizing symptoms that cut across diverse mental health disorders. We examined within-person reciprocal effects of negative and positive affect (NA, PA) and symptoms (depression and anxiety), and their between-person associations with affective dynamics (i.e., affect inertia). METHODS: Individuals currently receiving treatment for psychological disorders (N = 776) completed daily assessments of affect and symptoms across 14 treatment days (average). We used dynamic structural equation modeling to examine daily affect-symptom dynamics. RESULTS: Within-person results indicated NA-symptom reciprocal effects; PA only predicted subsequent depression symptoms. After accounting for changes in mean symptoms and affect over time, NA-anxiety and PA-depression relations remained particularly robust. Between-person correlations indicated NA inertia was positively associated with NA-symptom effects; PA inertia was negatively associated with PA-symptoms effects. CONCLUSIONS: Results suggest that transdiagnostic affective treatment approaches may be more useful for reducing internalizing symptoms by decreasing NA compared to increasing PA. Individual differences in resistance to shifting out of affective states (i.e., high NA vs. PA inertia) may be a useful marker for developing tailored interventions.
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.
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 | 0,001 | 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) | 0,000 | 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 découle