Positive personal resources and psychological distress during the COVID-19 pandemic: resilience, optimism, hope, courage, trait mindfulness, and self-efficacy in breast cancer patients and survivors
Notice bibliographique
Résumé
PURPOSE: This study aims to understand the association between positive personal resources (i.e., optimism, hope, courage, trait mindfulness, and self-efficacy), resilience, and psychological distress (i.e., anxiety, depression, stress) in women with breast cancer and breast cancer survivors during the COVID-19 pandemic. We hypothesized that personal positive resources can directly influence resilience, which in turn prevented psychological distress. METHODS: The research sample consisted of 409 Italian women (49% patients, 51% survivors) who were administered a questionnaire to assess positive resources, resiliency, and distress. structural equation model (SEM) analysis was carried out to confirm the hypothetical-theoretical model. RESULTS: Personal positive resources had a direct positive effect on resilience, which prevented from distress. These results were observed across cancer patients and survivors, and regardless the level of direct exposure to COVID-19. CONCLUSIONS: In both patients and survivors, the relationships between positive personal resources, resilience, and psychological distress is strong enough to be not influenced by the level of exposure to COVID-19 and despite COVID-19 pandemic caused the disruption of active treatment plans and delays in routine check-ups. IMPLICATIONS FOR CANCER SURVIVORS: Implications of this study suggest the urgency to screen positive resources and to identify women with lower resilience and a potentially higher susceptibility to develop psychological distress. For these women, our findings suggest the implementation of psychological interventions that build resilience.
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 | 0,001 |
| 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 ».