The Relationship Between Emotion Regulation Strategies and Lifestyle with Pain Severity in Patients with Chronic Musculoskeletal Pain in Pain Clinics of Mashhad
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
The present study aimed to investigate the relationship between behavioral emotion regulation and lifestyle with pain intensity in patients with chronic skeletal pain disorder attending pain clinics in Mashhad. The study employed a descriptive-correlational research design. Both field methods (questionnaires) and library research (books and articles) were used for data collection. Additionally, the study is applied in nature, as its findings can be used to improve the status of the examined variables. The statistical population consisted of all patients who were diagnosed with chronic skeletal pain disorder by physicians and referred to pain clinics in Mashhad during the second quarter of 2023. Due to the inability to precisely count the population size, the sample size was estimated using the Tabachnick and Fidell formula (2007). Accordingly, a sample of 160 participants was selected using convenience sampling. Data were collected using the Behavioral Emotion Regulation Questionnaire by Craig and Garnefski (2019), the Lifestyle Questionnaire by Kern et al. (1997), and the McGill Pain Questionnaire (2009). Based on the results of the correlation test, there was a significant positive relationship between withdrawal and pain intensity (r = 0.168) and between ignoring and pain intensity (r = 0.159). Furthermore, a significant negative relationship was found between coping and pain intensity (r = -0.190), while a significant positive relationship was observed between cautiousness and pain intensity (r = 0.202).
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 | 0,003 | 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 | 0,001 | 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) | 0,002 | 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