An Online Assessment to Evaluate the Role of Cognitive Biases and Emotion Regulation Strategies for Mental Health During the COVID-19 Lockdown of 2020: Structural Equation Modeling Study
Notice bibliographique
Résumé
BACKGROUND: Extant research supports causal roles of cognitive biases in stress regulation under experimental conditions. However, their contribution to psychological adjustment in the face of ecological major stressors has been largely unstudied. OBJECTIVE: We developed a novel online method for the ecological examination of attention and interpretation biases during major stress (ie, the COVID-19 lockdown in March/April 2020) and tested their relations with the use of emotion regulation strategies (ie, reappraisal and rumination) to account for individual differences in psychological adjustment to major COVID-19-related stressors (ie, low depression and anxiety, and high well-being and resilience). METHODS: Participants completed an online protocol evaluating the psychological impact of COVID-19-related stressors and the use of emotion regulation strategies in response to them, during the initial weeks of the lockdown of March/April 2020. They also completed a new online cognitive task designed to remotely assess attention and interpretation biases for negative information. The psychometric properties of the online cognitive bias assessments were very good, supporting their feasibility for ecological evaluation. RESULTS: =7.57; root mean square error of approximation=0.000). Further, rumination mediated the influence of interpretation bias in anxiety (P=.045; 95% CI 0.03-3.25) and resilience (P=.001; 95% CI -6.34 to -1.65), whereas reappraisal acted as a mediator of the influence of both attention (P=.047; 95% CI -38.71 to -0.16) and interpretation biases (P=.04; 95% CI -5.25 to -0.12) in well-being. CONCLUSIONS: This research highlights the relevance of individual processes of attention and interpretation during periods of adversity and identifies modifiable protective factors that can be targeted through online interventions.
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 | 0,003 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».