MétaCan
Menu
Retour à la cohorte
Enregistrement W4400120526 · doi:10.1155/2024/1790168

Music’s Dual Role in Emotion Regulation: Network Analysis of Music Use, Emotion Regulation Self‐Efficacy, Alexithymia, Anxiety, and Depression

2024· article· en· W4400120526 sur OpenAlexaboutno aff
Min Tan, Xinyu Zhou, Shen Lin, Yonghui Li, Xijing Chen

Notice bibliographique

RevueDepression and Anxiety · 2024
Typearticle
Langueen
DomainePsychology
ThématiqueMental Health Research Topics
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésAlexithymiaAnxietyPsychologyDepression (economics)Clinical psychologyEmotional regulationPsychotherapistPsychiatry

Résumé

récupéré en direct d'OpenAlex

Music serves as a prevalent emotional regulation tool among young people. However, the correlational and causal relationships between music use, emotion regulation ability, and emotional symptoms remain unclear. This study aimed to investigate the associations and causal relationships between healthy and unhealthy music use, emotion regulation ability, and emotional symptoms, including alexithymia, depression, and anxiety. This study included 16,588 college students nationwide in China. All participants were assessed online with the Healthy-Unhealthy Music Scale (HUMS), the Regulatory Emotional Self-Efficacy Scale (RESE), the Toronto Alexithymia Scale (TAS-20), and the 10-item Kessler Psychological Stress Scale (K10) using a cluster convenience sampling method. We applied a regularized partial correlation network (RPCN) and Bayesian network to analyze the network characteristics of the outcomes. In the RPCN analysis, healthy music use showed the second strongest expected influence (one-step) and correlated positively with emotion regulation self-efficacy while inversely correlating with externally oriented thinking of alexithymia and depression. The Bayesian network indicated that healthy music use was located downstream of the network, positively predicted by managing anger-irritation and expressing positive affect in emotion regulation self-efficacy. In contrast, unhealthy music use in the RPCN displayed the strongest bridge strength and bridge expected influence (one-step). It negatively correlated with expressing positive affect in emotion regulation self-efficacy and positively correlated with alexithymia, anxiety, and depression. The Bayesian network highlighted that unhealthy music use was positively affected by anxiety, depression, and difficulty identifying feelings. In addition, managing despondency-distress influences difficulty identifying feelings through depression, subsequently affecting unhealthy music use and, finally, influencing externally oriented thinking. This study provides a novel framework for understanding the role of emotion regulation self-efficacy and alexithymia in the relationship between music use and emotional symptoms. Emotion regulation and mental health may benefit from music-based interventions and therapies informed by the findings of this study.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,012
Score d'incertitude au seuil0,023

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,007
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,038
Tête enseignante GPT0,338
Écart entre enseignants0,299 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations16
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDepression and AnxietyMême sujetMental Health Research TopicsTravaux en français237 207