Examining risk and protective factors for psychological health during the COVID-19 pandemic
Notice bibliographique
Résumé
BACKGROUND AND OBJECTIVES: The coronavirus disease 2019 (COVID-19) pandemic has profoundly impacted people's lives, with significant mental health consequences emerging. In addition to sociodemographic and COVID-19 specific factors, psychological risk and protective mechanisms likely influence individual differences in mental health during the COVID-19 pandemic. We examined associations between a broad set of risk and protective factors with depression, anxiety, alcohol problems, and eating pathology, and investigated interactions between objective stress due to COVID-19 and risk/protective variables in predicting psychopathology. METHODS: Participants were 877 adults (73.7% female) recruited via internet sources from around the globe, but primarily residing in North America (87.4%). RESULTS: Structural equation modelling revealed that certain risk and protective factors (e.g., loneliness, mindfulness) were broadly related to psychopathology, whereas others showed unique relations with specific symptoms (e.g., greater repetitive thinking and anxiety; low meaning and purpose and depression). COVID-19 objective stress interacted with risk factors, but not protective factors, to predict greater anxiety symptoms, but not other forms of psychopathology. CONCLUSIONS: Findings contribute to our understanding of psychological mechanisms underlying individual differences in psychopathology in the context of a global stressor. Strategies that reduce loneliness and increase mindfulness will likely impact the greatest number of mental health symptoms.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| 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) | 0,000 | 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 ».