The Effectiveness of Emotion-Focused Therapy on Emotional Regulation, Quality of Life, and Pain Perception in Type 2 Diabetes Patients
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Objective: Given the increasing prevalence of diabetes, researchers in the field of health and well-being have been emphasizing empirical investigations. The aim of the current research was to examine the effectiveness of emotion-focused therapy on emotion regulation, quality of life, and pain perception in patients with type 2 diabetes. Methods and Materials: This semi-experimental study employed a pretest-posttest design with a control group. The study population consisted of type 2 diabetes patients affiliated with the International Diabetes Prevention and Control Foundation in Mashhad in June 2022. The sample included 30 individuals who were selected by simple random sampling and randomly assigned to two groups: 15 in the intervention group and 15 in the control group through random allocation. The intervention group received Greenberg and Goldman (2019) emotion-focused therapy over eight sessions, each lasting 90 minutes, once a week. Data were collected using utilizing the Emotion Control Questionnaire (1997), the World Health Organization Quality of Life questionnaire, and the McGill Pain Perception Questionnaire (1997) and analyzed using multivariate analysis of covariance in SPSS version 26. Findings: The results indicated that EFT improved emotion control (P=0.000, F=32.669), quality of life (P=0.000, F=20.360), and pain perception (P=0.000, F=94.358). Conclusion: it can be concluded that emotion-focused therapy leads to increased emotion control, improved quality of life, and reduced pain perception in patients with type 2 diabetes.
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.
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 | 0,004 | 0,001 |
| 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) | 0,000 | 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 découle