만성질환자 대처 모형에 기반한 관상동맥질환자 건강행위 모형 구축
Notice bibliographique
Résumé
관상동맥질환은 재발과 돌연사의 위험이 높은 만성질환으로 발병 후 건강행위 정도가 예후에 영향을 미친다. 관상동맥질환이 발병하면 재발 예방을 위해 생활습관을 변화시켜야 하는 스트레스 상황에 직면하여 다양한 대처전략을 동원하게 된다. 그러나 선행연구에서 제시된 건강행위 모형들은 심리적 대처에 대한 고려가 없는 것이 대부분이었다. 본 연구는 Moos와 Holahan의 만성질환자 대처 모형을 기반으로 관상동맥질환자의 건강행위에 영향을 미치는 요인들이 포함된 가설적 모형을 구축한 후 변수들 간의 경로를 검증하였다. 이 모형검증은 건강행위를 향상시킬 수 있는 중재 개발의 근거를 마련하기 위한 목적으로 시도되었다. \n건강행위 관련 변수들은 주로 문헌고찰을 근거로 하여 선정하였다. 외생변수로는 자기효능감, 내적 건강통제위, 질병의 중증도, 유병기간, 사회적 지지를 일반적 영향 요인으로 통합하였다. 내생변수는 질병인식, 지각된 적응과업의 중요도, 접근적 대처 반응, 건강행위이다. 일반적 영향 요인, 질병인식, 지각된 적응과업의 중요도와 접근적 대처 반응이 직, 간접적으로 건강행위에 영향을 주는 요인으로 가설적 모형을 구성하였다. \n자기효능감은 Cardiac self-efficacy scale, 내적 건강통제위는 Internal locus of control subscale, 질병의 중증도는 Canadian cardiovascular society angina classification, 사회적 지지는 ENRICHD social support instrument, 질병인식은 Brief illness perception questionnaire, 지각된 적응과업의 중요도는 지각된 적응과업의 중요도 측정도구, 접근적 대처 반응은 Coping response inventory, 건강행위는 관상동맥질환자 건강행위 도구를 이용하여 측정하였다. \n연구 대상자는 2011년 8월 5일부터 8월 31일까지 서울시내 S종합병원 순환기내과 외래를 방문한 관상동맥질환자 228명이었다. 자료 수집은 구조화된 설문지를 이용하였으며, SPSS WIN 19.0과 AMOS 19.0을 이용하여 분석하였다. \n연구결과는 다음과 같다. \n가설적 모형의 적합도는 적합지수(Goodness of fit index, GFI) .948로 권장수준을 만족하여 가설적 모형이 자료에 잘 부합되는 것으로 나타났다. 가설적 모형에서 설정한 9개의 경로에 대한 가설이 모두 통계적으로 유의하게 지지되었다. \n관상동맥질환자의 건강행위에 직접적인 영향을 미치는 요인은 일반적 영향 요인, 질병인식과 접근적 대처 반응이었다. 질병인식은 접근적 대처 반응을 통한 간접적인 영향도 있었다. 이러한 변수들이 건강행위를 설명하는 정도는 19.7%였다. 관상동맥질환자의 접근적 대처 반응은 일반적 영향 요인, 질병 인식과 지각된 적응과업의 중요도에 의해 30.6% 설명되었고, 질병인식은 지각된 적응과업의 중요도를 통한 유의한 간접효과도 있었다. 지각된 적응과업의 중요도는 일반적 영향 요인과 질병인식에 의해 31.9% 설명되었으며, 일반적 영향 요인은 질병인식을 통해 유의한 부적 간접효과가 있었다. 질병인식은 일반적 영향 요인에 의해 12.4% 설명되었다. \n이 연구를 통해 대처과정은 관상동맥질환자에게 이미 존재하고 있는 여러 요인들과 건강행위와의 관계를 매개하는 역할을 함을 알 수 있었다. 본 연구 결과를 근거로 관상동맥질환자를 위한 간호중재 프로그램에 건강행위에 유의한 영향요인인 자기효능감, 내적 건강통제위와 사회적 지지를 강화하며, 질병이 개인에게 미치는 의미와 중요성을 올바로 평가하고, 만성질환에 적응하기 위한 과업을 인식하게 하는 중재를 적용한다면 건강행위를 향상시킬 수 있을 것으로 생각한다.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,002 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,001 | 0,003 |
| Science ouverte | 0,003 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».