Alexithymia and self-harm in people with borderline personality disorder
Notice bibliographique
Résumé
Objective. To estimate the prevalence of alexithymia and self-harm in patients with borderline personality disorder (BPD). To assess the role of alexithymia in the emergence of self-harm in patients with BPD. Material and methods. We studied 104 patients (85 women, 19 men aged 21 to 25 years (64.4%)), including 54 patients with and 50 patients without BPD. Most of them had incomplete higher education (55%). We used the Russian version of the 20-item Toronto Alexithymia Scale (TAS-20) to reveal alexithymia and SCID-II to diagnose BPD. The presence of self-harm behavior was confirmed by the subjects’ anamnesis data. Results. The prevalence of alexithymia in patients with BPD was 83.3%, in the control group it was 52% (p=0.001). The prevalence of self-aggression was 70.3% (n=38) in patients with BPD, and 12% (n=6) in people without BPD. Self-harm among persons with alexithymia was noted in 62.5% (n=45). During the analysis, a connection between auto-aggression and alexithymia was found at the level of a statistical trend (p=0.051). Conclusion. Alexithymia and self-harm are more common in patients with BPD than in healthy people. This type of emotional dysregulation mediates self-harm in patients with BPD.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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 ».