La relation entre le perfectionnisme et les symptômes somatiques chez les femmes atteintes d'un cancer du sein
Bibliographic record
Abstract
Le cancer du sein est une maladie prévalente associée au développement et au maintien de nombreux symptômes pouvant affecter la qualité de vie. Il est important d’explorer ce qui peut influencer les symptômes ressentis. Cette étude longitudinale vise à étudier l’association entre le perfectionnisme (c.-à-d., aspirations perfectionnistes et préoccupations perfectionnistes) et les symptômes somatiques (fréquence et interférence perçue) chez les femmes atteintes d’un cancer du sein. Elle inclut 459 participantes âgées de 18 à 80 ans qui remplissent le Questionnaire des symptômes physiques (QSP) à six temps de mesure et le questionnaire Multidimensional Perfectionism Scale (FMPS) au niveau de base. Les résultats des régressions linéaires multiples (objectif 1) montrent que les préoccupations perfectionnistes sont un prédicteur significatif de l’interférence perçue des symptômes somatiques (analyse transversale; p = 0.0059). Les résultats de l’analyse multiniveau (objectif 2) montrent que seules les préoccupations perfectionnistes permettent de prédire significativement les points de départ des différentes trajectoires au plan de l’interférence perçue (p = 0.0086). Plus une participante a des préoccupations perfectionnistes élevées au niveau de base, plus elle rapporte une interférence élevée de ses symptômes. Cette étude suggère qu’il serait important de cibler précocement cette dimension afin de diminuer l’interférence perçue des symptômes somatiques.
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 | 0.000 | 0.000 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| 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".