The buffering effect of resilience on depression among individuals with spinal cord injury: A structural equation model.
Notice bibliographique
Résumé
OBJECTIVE: To translate the theoretical constructs from a model of resilience into a structural equation model and evaluate relationships among the model's theoretical constructs associated with resilience and the occurrence of depressive symptoms. DESIGN: Quantitative descriptive research design using structural equation modeling (SEM). PARTICIPANTS: Two-hundred and fifty-five individuals with SCI recruited from the Canadian Paraplegic Association (CPA). OUTCOME MEASURES: Outcome was measured by the Center for Epidemiologic Studies-Depression Scale. RESULTS: The resilience model fit the data relatively well: χ² (200, N = 255) = 451.57, p < .001; χ²/df = 2.26; CFI = .92, RMSEA = 0.070 (90% CI: 0.062-0.079), explaining 77% of the variance in depressive symptomatology. Severity of SCI-related stressors significantly influenced perceived stress (β = .60) and perceived stress, in turn, affected depressive symptoms (β = .66), characteristics of resilience (β = -.43), and social support (β = -.26). The resilience characteristics had an inverse relationship with depressive symptoms (β = -.29). No direct relationship was found between severity of SCI-related stressors and depressive symptoms. CONCLUSIONS: Findings provide support for the resilience model and suggests characteristics of resilience "buffer" the perceptions of stress on depressive symptoms. The resilience model may be useful to guide clinical interventions designed to improve the mental health of individuals with SCI.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».