La gestion de la maladie, l'attachement amoureux, l'ajustement conjugal et les symptômes dépressifs chez les personnes atteintes de diabète de type 2
Bibliographic record
Abstract
Le diabete de type 2 est une maladie chronique qui connait une hausse effarante depuis plusieurs annees, tant au Quebec que partout a travers le monde. Malgre les avancements dans le domaine de la medecine, cette maladie demeure encore difficile a gerer pour plusieurs personnes qui en sont atteintes. Plusieurs facteurs peuvent venir faciliter ou compliquer la prise en charge de cette maladie chronique, notamment le soutien conjugal ainsi que la presence de symptomes depressifs. Ce projet vise a mieux comprendre les relations existant entre l’attachement amoureux, l’ajustement dyadique, les symptomes depressifs et la prise en charge du diabete. L’echantillon est compose de 31 participants ayant le diabete de type 2. Tous les participants ont complete un questionnaire comprenant une mesure de l’attachement amoureux, une mesure de l’ajustement dyadique, une mesure des symptomes depressifs ainsi qu’une mesure des comportements de prise en charge du diabete. Les donnees ont ete soumises a des correlations et a des analyses acheminatoires par regressions bivariees et multiples. Les resultats revelent que les personnes ayant le diabete de type 2 et presentant un attachement insecurise ont un moins bon ajustement dyadique. Ils presentent egalement plus de symptomes depressifs et une moins bonne gestion de leur maladie. Par ailleurs, le modele acheminatoire teste demontre que les symptomes depressifs agissent comme variable mediatrice entre l’ajustement dyadique et la gestion du diabete. Ces resultats sont discutes en fonction de leur contribution a l’avancement des connaissances dans le domaine de la psychologie de la sante ainsi que de leurs retombees appliquees.
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 | 0.003 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.002 | 0.000 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.005 | 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".