Correlates of emotional intelligence among Lebanese adults: the role of depression, anxiety, suicidal ideation, alcohol use disorder, alexithymia and work fatigue
Notice bibliographique
Résumé
BACKGROUND: Relationship between emotional intelligence and emotional variables such as stress, depression, anxiety and mental health has been well documented in child and adult samples. New insights into the association between emotional intelligence and different components of mental health in one study (cognitive, emotional and behavioral dimensions) can help patients, therapists, relatives, and friends to understand, explain, and cope with symptoms. There have been no studies assessing the association between the emotional intelligence (EI) with various factors in Lebanon. This study principal aim was to evaluate how EI is related to mental health issues: social anxiety, depression, alcohol use disorders (AUD), work fatigue, stress and alexithymia in Lebanon. METHODS: 789 participants were enrolled in a cross-sectional study between November 2017 and March 2018. A cluster analysis was used to evaluate participants' profiles with the help of emotional intelligence subscales, to separate the Lebanese population into equal limited units with different characteristics using the K-mean technique. RESULTS: Three clusters were computed dividing participants into low EI (cluster 1; 24.5%), moderate EI (cluster 2; 43.7%) and high EI (cluster 3; 31.7%) respectively. Fitting into the cluster 1 (low EI) was significantly associated with higher AUD, alexithymia, anxiety, depression, perceived stress, social phobia, emotional, mental and physical work fatigue, suicidal ideation compared to cluster 3 (high EI). Fitting into the cluster 2 (moderate EI) was significantly correlated with higher AUD, depression, alexithymia, anxiety, perceived stress, social phobia, mental work fatigue and suicidal ideation compared to cluster 3 (high EI). CONCLUSION: This study results suggest that emotional intelligence is related to different variables, warranting interventions to limit/decrease alcohol abuse and mental/psychological illnesses as much possible.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».