Contributing factors to well-being in a sample of long-term survivors of childhood acute lymphoblastic leukemia: the role of social support in emotional regulation
Notice bibliographique
Résumé
Objectives: To understand why some long-term childhood cancer survivors experience positive adjustment in the long run,[Q1] this study aimed to (1) explore associations between well-being, health status, social support, and emotion regulation (ER) strategies in a cohort of long-term childhood lymphoblastic leukemia (cALL) survivors, (2) identify the individual contribution of each ER strategy to well-being (3) and their interaction with social support.Methods: We used data from 92 participants from the PETALE cohort (51% female, aged 24 ± 7 years). Measures included well-being (WHO-5), health status (15D), social support (SSQ-6), cognitive reappraisal and expressive suppression (ERQ), and emotional processing and expression (EAC). We modeled the odds of high well-being adjusting for health status in logistic regressions and explored the moderating role of social support with bootstrap techniques. Independent of clinical history, high well-being was associated with better health status, higher social support, more frequent use of cognitive reappraisal and emotional processing.Results: We found a main contribution of emotional processing to well-being (OR = 2.12, 95% CI = 1.09-5.37). The interaction between low suppression and high social support was significant (OR = .40, 95% CI = .13-.79). Probabilities for high well-being were 96% when expressive suppression was low and social support was high. Results suggest approaching one's own emotions may contribute to well-being in long-term childhood cancer survivors.Clinical implications: Combining curbing emotional suppression with promoting supportive social environment could be a promising target for future supportive care interventions in survivors.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».