Rumination about the <scp>Russo‐Ukrainian War</scp> and its related factors among individuals in Poland and Ukraine
Notice bibliographique
Résumé
The present study aimed to investigate the factors associated with the level of rumination about the war among people living in Poland and Ukraine. This cross-sectional study recruited internet users from advertisements on social media. Levels of rumination, Depression, Anxiety and Stress Scale (DASS), Impact of Event Scale-Revised (IES-R), time spent on news of the war, and related demographic variables were collected. The reliability and construct validity of rumination were estimated. Potential factors associated with the level of rumination were identified using univariate linear regression analysis, and further entered into a stepwise multivariate linear regression model to identify independent factors. Due to the non-normality of distribution, multivariate linear regression with 5000 bootstrap samples was used to verify the results. A total of 1438 participants were included in the analysis, of whom 1053 lived in Poland and 385 lived in Ukraine. The questionnaires on rumination were verified to have satisfactory reliability and validity. After analysis with stepwise and bootstrap regression, older age, female gender, higher DASS and IES-R scores, and longer time spent on news of the war were significantly associated with higher levels of rumination for both people living in Poland and Ukraine. Lower self-rated health status, history of chronic medical illness and coronavirus disease 2019 infection were also positively associated with rumination for people living in Poland. We identified several factors associated with the level of rumination about the Russo-Ukrainian War. Further investigations are warranted to understand how rumination affects individuals' lives during crises such as war.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».