Alexitimia numa amostra geral de pacientes com dor crónica
Bibliographic record
Abstract
Podemos argumentar que as capacidades de identificar e descrever sentimentos subjetivos, distinguir emoções de sensações físicas e a capacidade de simbolizar ou relacionar o afeto e a fantasia são imprescindíveis para um funcionamento bom e equilibrado dos indivíduos, alexitimia é então dificuldades nestas capacidades descritas, que podem apresentar vários desafios ao individuo afetado. O presente trabalho está subdividido em duas partes. Em primeiro lugar, é apresentado um artigo de revisão de literatura, tendo este como objetivo conhecer o estado da arte em relação à alexitimia em indivíduos com dor crónica, tendo em consideração outras variáveis como dados sociodemográficos e clínicos dos indivíduos. A revisão efetuada permitiu concluir que, de forma geral, indivíduos com dor crónica apresentam níveis de alexitimia mais elevados. Na segunda parte da presente dissertação apresenta-se um estudo empírico que teve como objetivo descrever os níveis de alexitimia numa amostra geral de pacientes com dor crónica, tendo também em consideração outras variáveis como, dados sociodemográficos e clínicos, numa amostra constituída por 30 participantes com idades compreendidas entre os 24 e 86 anos (M= 55,23; DP=15,68) aos quais foram admistrados os seguintes instrumentos: um questionário sociodemográfico e clínico, a Escala de Alexitimia de Toronto (TAS-20), o Inventário Resumido da Dor (BPI) e, por fim, a Escala de Ansiedade e Depressão Hospitalar (HADS). Os resultados sugerem que, os níveis de alexitimia em indivíduos com dor crónica são elevados, para a maioria destes (76,7%; n=23). Os resultados demonstram ainda existir associações entre a alexitimia, níveis de intensidade da dor, ansiedade e depressão. Destaca-se a depressão, sendo que observou-se uma correlação positiva forte entre depressão e alexitimia (r=0,616 p<0,05). Outras variáveis como a ansiedade (r= 0,458 p<0,05) e dor no momento da avaliação (r= 0,371 p<0,05) demonstraram também estar correlacionados de forma positiva, ainda que fraca com a alexitimia. Com a realização desta dissertação concluímos que níveis de alexitimia elevados estão presentes em populações com dor crónica, estando também relacionados positivamente com depressão, ansiedade e intensidade de dor.
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 | 0.002 | 0.006 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 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".