Fears of compassion magnify the harmful effects of threat of COVID‐19 on mental health and social safeness across 21 countries
Notice bibliographique
Résumé
BACKGROUND: The COVID-19 pandemic is a massive global health crisis with damaging consequences to mental health and social relationships. Exploring factors that may heighten or buffer the risk of mental health problems in this context is thus critical. Whilst compassion may be a protective factor, in contrast fears of compassion increase vulnerability to psychosocial distress and may amplify the impact of the pandemic on mental health. This study explores the magnifying effects of fears of compassion on the impact of perceived threat of COVID-19 on depression, anxiety and stress, and social safeness. METHODS: Adult participants from the general population (N = 4057) were recruited across 21 countries worldwide, and completed self-report measures of perceived threat of COVID-19, fears of compassion (for self, from others, for others), depression, anxiety, stress and social safeness. RESULTS: Perceived threat of COVID-19 predicted increased depression, anxiety and stress. The three flows of fears of compassion predicted higher levels of depression, anxiety and stress and lower social safeness. All fears of compassion moderated (heightened) the impact of perceived threat of COVID-19 on psychological distress. Only fears of compassion from others moderated the effects of likelihood of contracting COVID-19 on social safeness. These effects were consistent across all countries. CONCLUSIONS: Fears of compassion have a universal magnifying effect on the damaging impact of the COVID-19 pandemic on mental health and social safeness. Compassion focused interventions and communications could be implemented to reduce resistances to compassion and promote mental wellbeing during and following the pandemic.
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 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| Communication savante | 0,000 | 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) | 0,004 | 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 ».