Emotion Regulation Training on Irritability, Alexithymia, and Interpersonal Problems of Adolescents With Disruptive Mood Dysregulation Disorder
Notice bibliographique
Résumé
Background: Difficulty regulating emotion has been identified as a trans-diagnostic factor common to various psychiatric diagnoses and behavior problems. This study aims to implement emotion regulation training techniques on adolescents with a disruptive mood disorder, emphasizing the irritability, alexithymia, and interpersonal issues in adolescents with disruptive mood dysregulation disorder. Methods: This quasi-experimental research used a pre-test and post-test design on 30 disruptive mood disorders in Tehran City, Iran, from 2022 to 2023. The participants were selected via simple purposive sampling. They were randomly assigned to two 15-member groups (experimental and control). The intervention group received self-regulation training over two months through eight 90-min group therapy sessions, whereas the control group received no treatment. The data were collected using the Barratt impulsiveness scale (BIS-11), Toronto alexithymia scale (TAS-20), and the inventory of interpersonal problems short-version. The data were analyzed by the SPSS software, version 25, and the multivariate analysis of covariance. Results: As indicated by the results, a significant difference was detected between the groups in terms of irritability (F=26.45, P=0.001, η=0.695), alexithymia (F=38.91, P=0.001, η=0.781), and interpersonal problems (F=31.27, P=0.001, η=0.734). Moreover, according to the alexithymia’s largest effect size (0.781), emotion regulation training had more effect on alexithymia. Conclusion: Based on the results, emotion regulation training can be implemented effectively in clinics and psychological treatment centers. Also, because of using emotion regulation training, it is possible to improve these people’s psychological characteristics and social relations. It is also suggested that relevant organizations train specialists and school counselors accordingly.
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 | 0,000 | 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) | 0,001 | 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 ».