Applicazione della tecnica della scrittura in 20 coppie durante un percorso di fecondazione assistita
Bibliographic record
Abstract
Introduzione: Nei paesi industrializzati problemi di infertilità riguardino circa il 15-20% delle coppie. \nObiettivi: valutare gli effetti della tecnica della scrittura di Pennebaker in un gruppo di coppie che si sottopongono a fecondazione assistita ipotizzandone un effetto in termini di diminuzione dei punteggi di alessitimia e di maggiore probabilità di gravidanza. \nMetodologia: il campione di 20 coppie (con età dai 26 ai 50 anni), in procinto di iniziare un percorso di fecondazione in vitro, è stato suddiviso tramite randomizzazione a coppie in un gruppo sperimentale, le cui donne sono state sottoposte alla tecnica della scrittura su eventi positivi ed aspettative future, e in uno di controllo, che non ha scritto. Uomini e donne di entrambi i gruppi hanno compilato la 20-item Toronto Alexithymia Scale (TAS-20) prima e dopo gli interventi. \nRisultati e conclusioni: L’ANOVA per misure ripetute mostra che nelle donne del gruppo sperimentale si verifica una diminuzione dopo la scrittura sia dei punteggi totali alla TAS-20 (da m= 56.1 a m= 45.8; p=.00) che di quelli di Difficoltà ad Identificare i Sentimenti (DIS; da m= 21.7 a m= 16.8; p=.00) e di Pensiero Orientato all’Esterno (POE; da m= 18.7 a m= 15.6; p=.03), rispetto alle donne del gruppo di controllo. I partner delle donne che hanno scritto, nonostante non siano stati sottoposti direttamente all’intervento di scrittura, hanno ottenuto anch’essi una diminuzione significativa sia dei punteggi totali alla TAS-20 (da m= 52.1 a m= 45.3; p=.00) che di quelli dei fattori DIS (da m= 15.0 a m= 13.1; p=.05) e POE (da m= 22.8 a m= 18.6; p=.00), rispetto ai controlli. Rispetto all’esito della fecondazione assistita si sono avuti 2 successi nel gruppo sperimentale a fronte di 1 nei controlli. I dati non consentono una verifica di validità statistica ma appaiono incoraggianti rispetto ad un ampliamento del lavoro. Di particolare interesse è l’effetto della scrittura non solo sulle donne che hanno scritto ma anche sui loro partner. Possiamo ipotizzare che un maggior contatto con le emozioni nelle donne che scrivono migliori la comunicazione con il partner influenzandone la capacità di regolare le proprie emozioni.
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 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.000 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.011 | 0.002 |
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".