Published online 2015 September 01. Research Article Metacognition and Body Image in Predicting Alexithymia in Substance
Notice bibliographique
Résumé
Background: Substance dependency is one of the biggest problems and worries of the world. It stunts the growth of society and causes various problems such as reduction in public health, increase in mortality, rise in social and domestic traumas, loss of educational and occupational opportunities, involvement with the judicial system, and development of the substance-abuse cycle. Objectives: The aim of this study was to determine the role of metacognition and body image in predicting alexithymia in substance abusers. Patients and Methods: The research sample included addicts (males and females aged 10 to 70 years) who referred to the addiction treatment and counseling centers of three Iranian cities of Zahedan, Sari, and Neyriz. Participants were selected by random sampling. The metacognitive strategy questionnaire (MCQ-30), physical self-description questionnaire (PSDQ), and Toronto alexithymia scale (TAS-20) were used for data collection. The hypotheses were tested using the Pearson’s correlation method and regression analysis. Results: According to the results of the current study, the highest correlation was between alexithymia and the cognitive awareness subscale (r = 0.305; P < 0.01).There was no significant correlation between alexithymia and body image. Based on the multiple regression analysis, the three predictors explained 11 % of the variance (R2 = 0. 11, F = 3.981; P < 0.01). Cognitive awareness significantly predicted 9 % of
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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 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 ».