MétaCan
Menu
Retour à la cohorte
Enregistrement W2197525297 · doi:10.1016/j.phrp.2015.11.012

Mediating and Moderating Effects in Ageism and Depression among the Korean Elderly: The Roles of Emotional Reactions and Coping Reponses

2015· article· en· W2197525297 sur OpenAlexaff
Il‐Ho Kim, Samuel Noh, Heeran Chun

Notice bibliographique

RevueOsong Public Health and Research Perspectives · 2015
Typearticle
Langueen
DomainePsychology
ThématiqueAging and Gerontology Research
Établissements canadiensUniversity of TorontoCentre for Addiction and Mental Health
Organismes subventionnairesNational Research Foundation of KoreaNational Research Foundation
Mots-clésCoping (psychology)AngerPsychologySadnessClinical psychologySocial supportEmotional supportSocial psychology

Résumé

récupéré en direct d'OpenAlex

OBJECTIVES: This study evaluated the relationship between ageism and depression, exploring the stress-mediating and stress-moderating roles of emotional reactions and coping behaviors. METHODS: Data were from the 2013 Ageism and Health Study (n = 816), a cross-sectional survey of urban and rural community-dwelling seniors aged 60-89 years in South Korea. Participants with at least one experience of ageism reported on their emotional reactions and coping responses. The measure yielded two types of coping: problem-focused (taking formal action, confrontation, seeking social support) and emotion-focused (passive acceptance, emotional discharge). RESULTS: Although ageism was significantly associated with depressive symptoms (B = 0.27, p < 0.0001), the association was entirely mediated by emotional reactions such as anger, sadness, and powerlessness. Problem-focused coping, especially confrontation and social support, seemingly reduced the impact of emotional reactions on depression, whereas emotion-focused coping exacerbated the adverse effects. CONCLUSION: These findings support the cultural characterization explanation of ageism and related coping processes among Korean elderly and suggest that regulating emotional reactions may determine the efficacy of coping with ageism.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,007
score de la tête « metaresearch » (Gemma)0,005
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,089
Score d'incertitude au seuil0,778

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0070,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,136
Tête enseignante GPT0,458
Écart entre enseignants0,321 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations48
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOsong Public Health and Research PerspectivesMême sujetAging and Gerontology ResearchTravaux en français237 207