The Predictive Value of Personality Traits for Psychological Problems (Stress, Anxiety and Depression): Results from a Large Population Based Study
Notice bibliographique
Résumé
The current study aimed to determine the prognostic values of personality traits for common psychological problems in a large sample of Iranian adult.In a large sample of healthy people (n = 4763) who lived in Isfahan province; the NEO-FFI was used to assess the personality traits; depression and anxiety were assessed using the "Hospital Anxiety and Depression Scale (HADS)" also stress was measured through Persian validated version of General Health Questionnaire (GHQ-12).Receiver Operating Characteristics Curve (ROC) analysis was used as main statistical method for data analysis.ROC analysis showed neuroticism was the best predictor for all psychological problems with highest area under the curve (AUC) (95% confidence interval) for stress, 0.837 (0.837-0.851), anxiety 0.861 (0.847-0.876) and depression 0.833 (0.820-0.846) (p < .001)and the corresponding cut-off points (sensitivity, specificity), were 21.5 (77%, 66%), 22.5 (81%, 77%) and 20.5 (77%, 74%), respectively.Other personality traits were significant protective factors for being affected with psychological problems (p < .001).Similar findings were observed separately in women and men.The present study showed that the neuroticism is significant risk factor for being affected with three psychological problems while other traits are significant protective factors.Personality traits are useful indices for screening psychological problems and an effective pathway toward prevention in general population.
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 | 0,010 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 ».