Couples-based health behavior change interventions: A relationship science perspective on the unique opportunities and challenges to improve dyadic health
Notice bibliographique
Résumé
Epidemiological studies indicate that better marital quality is associated with less morbidity and premature mortality. A number of interpersonal processes related to marital quality are also associated with health-relevant surrogate biomarkers across different physiological systems. Despite these replicated correlational findings, few interventions have harnessed interpersonal processes as potential interventions to enhance health. Building on Dr. Janice Kiecolt-Glaser's model of relationships and health, we propose that couples-based health behavior change interventions may represent an effective way to decrease dysregulation across autonomic, endocrine and immune systems and, ultimately, improve dyadic health. Given that the cohabiting partner is an essential part of the social context in which the behavior change is being pursued, it is important to consider the relational issues triggered by dyadic interventions. Using a relationship science perspective, this article reviews the literature on couples' concordance in health behaviors and health outcomes, the potential pathways underlying this concordance, theories of the couple as a self-sustaining social system, dyadic adaptation of individual self-regulation strategies, effective and ineffective social support and social control in couple relationships, the integration of relationship-building and health behavior change strategies, and the consideration of key moderators related to the nature of the relationship and the context surrounding the relationship. These findings highlight the importance of adopting a relationship science perspective when designing and testing dyadic interventions to improve health outcomes. The data reviewed provide insights on how to optimize couples-based health behavior change interventions to reduce physiological dysregulation and improve dyadic health.
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 | 0,018 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,004 |
| Communication savante | 0,004 | 0,004 |
| Science ouverte | 0,002 | 0,005 |
| Intégrité de la recherche | 0,002 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».