Finding meaning in chronic illness and its relationship to psychological well-being: A mixed-methods study
Notice bibliographique
Résumé
Several theories propose that health-related adversity threatens an individual's worldviews, goals, and sense of purpose, which motivates them to search for meaning. This process is believed to lead to positive adjustment and personal growth. The purpose of our study was to (a) examine whether a health-related adversity motivated a search for meaning, (b) explore the ways individuals made sense of their health-related adversity, and (c) examine whether meaning making was related to acceptance, subjective well-being (positive affect, negative affect, satisfaction with life), and posttraumatic growth (PTG). Using a mixed-methods design, we collected data from 317 adults diagnosed with inflammatory bowel disease (IBD). Participants completed a survey online. The survey included a set of validated measures that assessed acceptance, psychological adjustment, and PTG, as well as several open-ended questions. Approximately 85% of participants reported asking why me? Of those who reported that they found meaning, our thematic analysis revealed five meaning-making themes: catalyst for personal growth, self-blame, divine intervention, genetics, and chance. Our profile analysis compared three meaning-making groups (i.e., found meaning, still searching, found no meaning/not searching) and revealed that individuals who found meaning reported more positive affect and perceived more PTG than individuals still searching or who had not found meaning. Our data support theories of growth that suggest meaning making plays an important role in adjusting to adversity. We discuss cognitive and narrative-type therapeutic approaches that rehabilitation counselors could apply when supporting individuals coping with chronic illnesses.
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) | 0,000 | 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,001 |
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 ».