关于抑制策略与积极反刍策略的范围性研究:积极情感反应量表在临床和非临床成人样本中的因子分析与荟萃分析结果

《Behaviour Research and Therapy》:A scoping investigation into dampening and positive rumination strategies: Factor and meta-analytic findings of the Responses to Positive Affect Scale in clinical and non-clinical adult populations

【字体: 大 中 小 】 时间:2026年09月10日 来源:Behaviour Research and Therapy 4.3

编辑推荐:

   •对积极情绪应对(RPA)量表的因素结构进行了评估•在九项研究中,三因素模型的表现优于二因素模型•两种模型均建议使用包含16个题项的RPA,而非原始的17题项RPA•元分析结果显示,各亚量表与症状及情绪之间存在不同的模式章节摘要积极情绪应对量表人们常用的调节积极情绪的不同策略

  
  • •
    对积极情绪应对(RPA)量表的因素结构进行了评估
  • •
    在九项研究中,三因素模型的表现优于二因素模型
  • •
    两种模型均建议使用包含16个题项的RPA,而非原始的17题项RPA
  • •
    元分析结果显示,各亚量表与症状及情绪之间存在不同的模式

章节摘要

积极情绪应对量表

人们常用的调节积极情绪的不同策略是一种成熟的机制,也是抑郁和焦虑的治疗目标(Gross, 2015)。评估积极情绪调节最常用的工具是积极情绪应对问卷(RPA;Feldman等人,2008年)。RPA包含17个题项,采用1("几乎从不")到4("几乎总是")的量表评分,参与者被要求回答他们实施该行为的程度

本研究

本研究旨在通过针对多个成年样本的英文版RPA进行大规模因素分析来弥补文献中的这些空白。我们的主要目标是确定二因素模型(削弱、放大)还是三因素模型(削弱、情绪聚焦、自我聚焦)对数据的拟合更优。关键在于,我们试图考察最佳因素结构在临床样本(即被诊断患有

方法

本研究包括来自美国和英国不同机构的9个研究样本,所有研究均使用英文版RPA。本研究中包含的所有样本均在预注册之前收集1

基线时所有研究的因素分析

我们对RPA全部17个题项进行的初始因素分析表明,二因素模型的各项指标均令人满意:CFI = 0.923,TLI = 0.911,RMSEA = 0.069 [0.065, 0.072],SRMR = 0.053,AIC = 78169.996,BIC = 78365.676;三因素模型的指标也令人满意:CFI = 0.933,TLI = 0.921,RMSEA = 0.065 [0.061, 0.068],SRMR = 0.051,AIC = 78033.542,BIC = 78240.403。对二因素和三因素结构的进一步考察显示,三因素模型表现更优,χ2diff = 140.46,RMSEA = 0.187,p <

讨论

本研究的目的就是采用多中心设计来评估积极情绪应对(RPA)量表的因素结构。在包含临床和非临床样本的九项独立研究中,我们评估了二因素还是三因素模型表现更优。总体而言,我们发现了二因素和三因素模型的支持证据,九项研究和各时间点的拟合指标与原始开发论文中的结果相似(

结论

本研究试图澄清RPA的因素结构,包括两个积极反刍亚量表应独立考察还是作为合并的亚量表考察。我们采用多中心设计,纳入非临床和临床样本,进行了因素分析和元分析。综合来看,我们的研究结果显示,在基线和随访时,三因素模型的表现均优于二因素模型,并且还表明第6题

作者贡献声明(CRediT)

尼古拉斯·C·雅各布森(Nicholas C. Jacobson):写作—审阅与编辑,监督,资源,调查,资金获取。E·塞缪尔·怀纳(E. Samuel Winer):写作—审阅与编辑,监督,资源,调查。巴纳比·D·邓恩(Barnaby D. Dunn):写作—审阅与编辑,监督,资源,调查,资金获取,数据管理。查尔斯·T·泰勒(Charles T. Taylor):写作—审阅与编辑,监督,资源,调查,资金获取。李阿亨(Ahhyun Lee):写作—审阅与编辑,写作—初稿撰写。迈克尔·R·(Michael R.)

未引用参考文献

Cohen, 2013;Hudson等人,2015。

伦理声明

已征得所有参与者或其法定代表人关于参与本研究以及发表本文的书面知情同意。参与者的隐私权已得到尊重。
本研究遵循研究开展地相关的法律法规、监管框架和指南。根据相关法律法规和机构指南,本研究无需伦理委员会批准。这是一项针对去标识化数据的二次数据分析。

资金来源

本研究得到了国家药物滥用研究所(NIDA)资助项目1K23DA062034(PI:Amanda C. Collins)的支持,国家心理健康研究所(NIMH)和国家综合医学研究所(NIGMS)资助项目R01MH123482(PI:Nicholas C. Jacobson)的支持,NIMH资助项目R33MH113769(PI:Charles T. Taylor)的支持,以及国家健康研究院(NIHR)资助项目CDF-2014-07-1(PI:Barnaby D. Dunn)的支持。文中表达的观点是作者的观点,不一定代表

利益冲突声明

CTT声明,在过去3年中,他曾担任Bionomics公司的有偿顾问,并因UpToDate, Inc.和《Depression and Anxiety》期刊的编辑工作获得报酬。NCJ已获得勃林格殷格翰(Boehringer-Ingelheim)的资助。NCJ担任Spring Health人工智能顾问委员会的有偿顾问。NCJ担任Sharewell Labs Co.的顾问委员会成员。NCJ通过Academic Press编辑出版了一本书并获得书版税,此外NCJ还因其研究工作获得演讲费。NCJ是
Amanda C. Collins|Madeleine M. Rassaby|Michael R. Gallagher|Ahhyun Lee|Charles T. Taylor|Barnaby D. Dunn|E. Samuel Winer|Nicholas C. Jacobson
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号