The experience of emotional distress in women with scleroderma: a qualitative study
Bibliographic record
Abstract
La dépression et la détresse émotionnelle représentent une difficulté pour plusieurs patients médicaux. Cependant, un débat existe autour de la façon dont celles-ci devraient être définies, mesurés et traités. Le but de ce projet était de d'aborder cette question en conduisant les entrevues avec des femmes atteintes par la sclérodermie, une maladie rhumatologique chronique. Les objectifs principaux était d'établir comment les participantes décrivaient leur détresse, ce qu'elles apercevaient comme étant la cause de celle-ci, et comment elles ont y pu faire face. Les transcrits des entrevues étaient analysés avec l'analyse qualitative thématique. Plusieurs des participantes ont décrit la détresse associée avec la maladie, mais le terme "dépression" était réservé pour une expérience spécifique et sévère. Les participantes ont préféré des descripteurs d'humeur plus banals, et ont fréquemment décrit la détresse comme étant consistant avec la définition de démoralisation. Elles ont listé des aspects concrets de leur maladie qu'elles apercevaient comme étant la cause de leur détresse, et quelques unes parmi elles ont ajouté que leur réaction au stress pourrait exacerber la progression de leur maladie. Les participantes ont gérer leur détresse en évitant de réfléchir sur leurs circonstances, et en évitant les services des psychologues et groupes de soutien pour patients. Le soutien que les participantes ont préférée étaient le contact avec leurs familles et amis.
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 | 0.012 | 0.019 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.006 | 0.006 |
| Scholarly communication | 0.004 | 0.004 |
| Open science | 0.002 | 0.005 |
| Research integrity | 0.002 | 0.004 |
| Insufficient payload (model declined to judge) | 0.004 | 0.001 |
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".