Correlates of the acceptance of illness in a group of cancer patients
Bibliographic record
Abstract
Cel pracy: Zweryfikowanie istnienia związków między akceptacją choroby nowotworowej a stosowanymi strategiami radzenia sobie ze stresem i doświadczanym wsparciem społecznym.Materiał i metody: Przebadano 63 pacjentów z diagnozą choroby nowotworowej.W badaniu wykorzystano następujące narzędzia: Skalę Akceptacji Choroby (Acceptance of Illness Scale -AIS), Skalę Przystosowania Psychicznego do Choroby Nowotworowej (Mini-Mental Adjustment to Cancer Scale -Mini-MAC) oraz Berlińskie Skale Wsparcia Społecznego (Berlin Social Support Scales -BSSS).Wyniki i wnioski: Badanie potwierdziło istnienie pozytywnych korelacji między stosowaniem aktywnego (konstruktywnego) stylu radzenia sobie ze stresem a poziomem akceptacji choroby.Szczególną rolę wydawało się tu pełnić przyjmowanie przez pacjenta strategii duch walki.Podobnie akceptacja choroby nowotworowej pozytywnie korelowała z zasobami wsparcia społecznego dostrzeganego i otrzymywanego przez pacjenta.Dodatkowo zaobserwowano, że kobiety istotnie częściej niż mężczyźni stosowały aktywny (konstruktywny) styl radzenia sobie ze stresem, jak również osiągały wyższe wyniki na wymiarach wsparcia społecznego, jakimi są spostrzegane dostępne wsparcie i aktualnie otrzymywane wsparcie.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.008 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.003 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".