MétaCan
Menu
Retour à la cohorte
Enregistrement W3029208881 · doi:10.3760/cma.j.issn.1674-6554.2014.07.012

Correlation between depression-related personality dimensions and personality traits and its effects on depression

2014· article· en· W3029208881 sur OpenAlexaboutno aff
Yutao Zhang, Lan Wu, Shengcong Zhang

Notice bibliographique

RevueZhonghua xingwei yixue yu naokexue zazhi · 2014
Typearticle
Langueen
DomainePsychology
ThématiquePersonality Disorders and Psychopathology
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésNeuroticismPsychologyAlexithymiaPersonalityPerfectionism (psychology)Big Five personality traitsSelf-criticismToronto Alexithymia ScaleClinical psychologyFeelingDepression (economics)Social psychology

Résumé

récupéré en direct d'OpenAlex

Objective To explore the correlation between the higher-order personality dimension(neuroticism) and the lower-order personality traits(alexithymia, dependence, self-criticism, perfectionism) in the sample of university students, and explore the effect of the higher-order personality dimension and lower-order personality traits to depression in the same sample. Methods A convenient sample of 563 university students from the two Universities College in Hunan province.These students were assessed with Center for Epidemiological Studies-Depression Scale(CES-D), Depressive Experiences Questionnaire(DEQ), The twenty-item Toronto Alexithymia Scales(TAS-20), Frost multidimensional perfectionism scale(FMPS) and neuroticism subscale in EPQ. Results (1)There were significant relationships between the total score of CES-D, each depressive symptoms and 10 personality factors, such as neuroticism, doubts about action and so on(The coefficients ranged from 0.105 to 0.569, P<0.05 or P<0.01). (2)Factor analysis and multiple linear regression on the neurotic showed that doubts about action, concerned over mistakes, difficulties identifying feelings(DIF), difficulties describing feelings(DDF), dependency, self-criticism and neuroticism belonged to the factor 1(the factor load coefficients ranged from 0.574 to 0.775). (3)Neuroticism can explained 32.3% variance of depression(Radj2=0.323), after 6 personality factors entered the regression equation, such as difficulties describing feelings(DDF), parental criticism and so on, the explained variance of depression increased to 43.2%(Radj2=0.432). Conclusion There are overlapping and interaction between personality traits which include self-criticism, dependency, difficulties describing feelings(DDF), difficulties identifying feelings(DIF), concerned over the mistakes and neuroticism personality dimensions. The depressed affect are effectively predicted by neuroticism which is a effectively predict factor of depression, personality traits included self-criticism, dependency, alexithymia and malajustment perfectionism have a gain function of depression base on the Neuroticism. Key words: Depression; Personality dimension; Personality traits; Alexithymia

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 candidatesMéta-épidémiologie (sens strict)
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 enseignants0,130
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,001
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 Opus0,019
Tête enseignante GPT0,297
Écart entre enseignants0,278 · 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.

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

Citations0
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueZhonghua xingwei yixue yu naokexue zazhiMême sujetPersonality Disorders and PsychopathologyTravaux en français237 207