Gratitude uniquely predicts lower depression in chronic illness populations: A longitudinal study of inflammatory bowel disease and arthritis.
Notice bibliographique
Résumé
OBJECTIVE: Although gratitude has been identified as a key clinically relevant trait for improving well-being, it is understudied within medical populations. The current study addressed this gap and extended previous and limited cross-sectional research by examining the longitudinal associations of gratitude to depression in 2 chronic illness samples, arthritis and inflammatory bowel disease (IBD). METHODS: Two chronic illness samples, arthritis (N = 423) and IBD (N = 427), completed online surveys at Time 1 (T1). One hundred sixty-three people with arthritis and 144 people with IBD completed the 6-month follow-up survey (T2). Depression, gratitude, illness cognitions, perceived stress, social support, and disease-related variables were assessed at T1 and T2. RESULTS: At T2, 57.2% of the arthritis sample and 53.4% of the IBD sample met the cut off scores for significant depression. T1 gratitude was negatively associated with depressive symptoms at T1 and T2 in both samples (rs from -.43 to -.50). Regression analyses revealed that T1 gratitude remained a significant and unique predictor of lower T2 depression after controlling for T1 depression, relevant demographic variables, illness cognitions, changes in illness-relevant variables, and another positive psychological construct, thriving, in both samples. CONCLUSION: As the first investigation of the longitudinal associations of gratitude to psychological well-being in the context of chronic illness, the current study provides important evidence for the relevance of gratitude for health-related clinical populations. Further intervention-based research is warranted to more fully understand the potential benefits of gratitude for adjustment to chronic illness. (PsycINFO Database Record
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 | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».