Effectiveness of Acceptance and Commitment based Therapy on Pain Severity, Fatigue, and Alexithymia in Female Patients with Rheumatic Diseases
Notice bibliographique
Résumé
Aim: The aim of this research was determine the effectiveness of acceptance and commitment based therapy on pain severity, fatigue, and alexithymia in female patients with rheumatic diseases. Methods: This study was quasi-experimental with a pretest, posttest and three month follow-up design with a control group. The research population was female patients with rheumatic diseases who referred to the rheumatology clinic of Imam Hossein Hospital of Tehran city in the spring of 2021, which number of 30 people of them after reviewing the inclusion criteria were selected by purposeful sampling method and randomly replaced into two equal groups. The experimental group was trained 8 sessions of 90 minutes (one session per week) with the acceptance and commitment based therapy method and the control group remained on the waiting list for training. Data were collected by revised version of the short-form McGill pain questionnaire (Dworkin et al., 2009), fatigue severity scale (Krupp et al., 1989) and Toronto alexithymia scale (Bagby et al., 1994) and analyzed by methods of repeated measures analysis of variance and bonferroni post hoc test in SPSS-21 software. Results: The results showed that acceptance and commitment based therapy reduced the pain severity, fatigue and alexithymia in female patients with rheumatic diseases and the results remained in the follow-up phase (P<0.001). Conclusion: The results showed the effectiveness of acceptance and commitment based therapy and its persistence in reducing pain severity, fatigue and alexithymia in female patients with rheumatic diseases. Therefore, health professionals and therapists can use acceptance and commitment based therapy along with other therapies methods to improve features, especially pain severity, fatigue and alexithymia.
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 | 0,001 | 0,002 |
| 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) | 0,002 | 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 ».