The relationship between left-behind experience and obsessive-compulsive symptoms in college students in China: the mediation effect of self-esteem
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The number of left-behind children in China is gradually increasing, and college students with left-behind experience (LBE) have more severe mental health problems. The aim of this study was to evaluate the association of LBE and the obsessive-compulsive (OC) symptoms of college students, explore the mediation role of self-esteem in the relationship between them. A total of 4145 college students were recruited in Anhui province, China. The Chinese Obsessive-Compulsive Inventory-Revised (OCI-R) and Rosenberg Self-Esteem Scale (RSES) were used to measure OC symptoms and self-esteem. Bootstrap program was used to test the mediation effect. The results showed that the detection rate of OC symptoms was 24.1%. Multiple linear regression analyses found that LBE was positively associated with OC symptoms (t = 2.928, p = 0.003). High self-esteem scores in college students were significantly associated with a lower probability of OC symptoms (t = −17.023, p < 0.001). Furthermore, the test of Bootstrap showed that the indirect effect of self-esteem between LBE and OC symptoms was significant for 95% CI (LLCI = 0.3586, ULCL = 0.7264) and the mediation effect was 0.5396. The ratio of the indirect effect to the total effect was 0.408. OC symptoms were common mental health problems among college students. LBE had a positive predictive effect for OC symptomsand self-esteem plays a mediating role between them. Improving self-esteem will be beneficial to prevent and control the OC symptoms of college students.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle