MétaCan
Menu
Retour à la cohorte
Enregistrement W2544364332 · doi:10.14301/llcs.v7i4.394

Vulnerability, scar, or reciprocal risk? Temporal ordering of self-esteem and depressive symptoms over 25 years

2016· article· en· W2544364332 sur OpenAlexafffund
Matthew D. Johnson, Nancy L. Galambos, Harvey Krahn

Notice bibliographique

RevueLongitudinal and Life Course Studies · 2016
Typearticle
Langueen
DomainePsychology
ThématiqueMental Health Research Topics
Établissements canadiensUniversity of Alberta
Organismes subventionnairesSocial Sciences and Humanities Research Council of CanadaUniversity of Alberta
Mots-clésDepression (economics)ReciprocalSelf-esteemDepressive symptomsPsychologyVulnerability (computing)Clinical psychologyPsychiatryCognition

Résumé

récupéré en direct d'OpenAlex

Three models have been proposed to explain the temporal interrelation between self-esteem and symptoms of depression: vulnerability (self-esteem predicts future depressive symptoms), scar (depressive symptoms predict future self-esteem), and reciprocal risk (self-esteem and depressive symptoms predict each other in the future). This study tested these three models over 25 years in a sample of high school seniors surveyed six times from age 18 to 43 (n = 978) and in a separate sample of university graduates surveyed five times from age 23 to 30 (n = 589). In both samples, autoregressive cross-lagged modeling results were that self-esteem and symptoms of depression prospectively predicted each other at every measurement occasion. Additionally, the cross-lagged association from self-esteem to symptoms of depression and the corresponding link from depressive symptoms to future self-esteem were equally strong. These results provide support for the reciprocal risk model.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
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 enseignants0,029
Score d'incertitude au seuil0,486

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,083
Tête enseignante GPT0,426
Écart entre enseignants0,343 · 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

Citations22
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueLongitudinal and Life Course StudiesMême sujetMental Health Research TopicsTravaux en français237 207