Prevalence and Correlates of Alexithymia and Its Relationship With Life Events in Chinese Adolescents With Depression During the COVID-19 Pandemic
Notice bibliographique
Résumé
Objectives: The incidence of psychological and behavioral problems and depression among adolescents is increasing year by year, which has become an important public health problem. Alexithymia, as an important susceptible factor of adolescent depression, may continue to develop and strengthen under the stimulation of COVID-19-related stressors. However, no studies have focused on alexithymia in adolescent depression during the pandemic in China. This study aims to investigate the incidence and related factors of alexithymia in adolescent depression during the pandemic. Methods: Three hundred adolescent patients were enrolled from October 2020 to May 2021. The general demographic information of all participants was collected, and the clinical characteristics were assessed by the 20-item Toronto Alexithymia Scale (TAS-20), the Adolescent Self-Rating Life Events Check (ASLEC) List, the Childhood Trauma Questionnaire (CTQ), and the Positive and Negative Suicide Ideation (PANSI) Inventory. Results: The incidence of alexithymia was significantly higher among adolescents with depression (76.45%) during the pandemic. There were significant differences in school bullying, disease severity, ASLEC score, CTQ score and PANSI score between adolescents with and without alexithymia. In addition, learning stress, health and adaptation problems during the pandemic may be influential factors in alexithymia of adolescent depression ( P < 0.05). Conclusions: According to the results, we found a high incidence of alexithymia in adolescent depression during the pandemic. More support and attention from families, schools and society is needed to develop preventive and targeted psychological interventions as early as 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 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 | 0,000 | 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 | 0,000 | 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 ».