The effects of social factors on anxiety by logistic regression analysis in undergraduate students
Notice bibliographique
Résumé
Objective To explore the prevalence of anxiety and its related social factors in undergraduate student, in order to provide scientific evidence for the prevention of anxiety in undergraduate. Methods The cluster random sampling was adopted for this study, and 965 college students from Zhengzhou University were investigated by Personal Report of Communication Apprehension, Simplified Coping Style Questionnaire, Toronto Alexithymia Scale, Perceived Social Support Scale and Self-Rating Anxiety Scale. Results ①The anxiety detection rate of respondents was 19.3%. There were significant differences in the detection rate and severity of anxiety between genders(Male: 27.0%, Female: 10.2%) and grades(Freshman: 16.4%, Junior: 23.8%) in the college students(P 0.05). ②The scores of communication apprehension((69.31±12.32), (65.25±12.56)), positive coping style((20.84±5.10), (23.99±5.18)), negative coping style((11.03±4.15), (09.18±3.96)), Toronto alexithymia((74.97±6.93), (70.31±7.98)) and perceived social support((53.14±5.78), (57.02±5.79)) of the anxiety group were significantly different with those of the normal group (P<0.05). ③The significant relationship was found among anxiety emotions and gender, positive coping style, negative coping style, Toronto alexithymia and perceived social support by using Logistic regression analysis (P<0.05). Conclusions The prevalence of anxiety in undergraduate students is relatively high and it is related with multiple factors. In addition, social support, alexithymia and coping style have a close correlation with anxiety in undergraduates. Key words: Anxiety; Alexithymia; Social support; Logistic regression analysis
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 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 | 0,001 | 0,000 |
| 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 | 0,001 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».