Patterns of Psychological Responses among the Public during the Early Phase of COVID-19: A Cross-Regional Analysis
Notice bibliographique
Résumé
This study aimed to compare the mediation of psychological flexibility, prosociality and coping in the impacts of illness perceptions toward COVID-19 on mental health among seven regions. Convenience sampled online survey was conducted between April and June 2020 from 9130 citizens in 21 countries. Illness perceptions toward COVID-19, psychological flexibility, prosociality, coping and mental health, socio-demographics, lockdown-related variables and COVID-19 status were assessed. Results showed that psychological flexibility was the only significant mediator in the relationship between illness perceptions toward COVID-19 and mental health across all regions (all ps = 0.001–0.021). Seeking social support was the significant mediator across subgroups (all ps range = <0.001–0.005) except from the Hong Kong sample (p = 0.06) and the North and South American sample (p = 0.53). No mediation was found for problem-solving (except from the Northern European sample, p = 0.009). Prosociality was the significant mediator in the Hong Kong sample (p = 0.016) and the Eastern European sample (p = 0.008). These findings indicate that fostering psychological flexibility may help to mitigate the adverse mental impacts of COVID-19 across regions. Roles of seeking social support, problem-solving and prosociality vary across regions.
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 | 0,001 | 0,002 |
| 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 | 0,001 |
| 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 ».