Trajectories of self-kindness, common humanity, and mindfulness during the COVID-19 pandemic: A person-oriented multi-trajectory approach
Notice bibliographique
Résumé
The COVID-19 pandemic has produced unprecedented changes in the lives of many people. Although research has documented associations between concerns related to COVID-19 and poor mental health indicators, fewer studies have focused on positive factors that could help people better cope with this stressful social context. To fill this gap, the present research investigated the trajectories of self-compassion facets in times of dramatic social change. Using a longitudinal research design, we described the trajectories of self-kindness, common humanity, and mindfulness during the first eight months of the COVID-19 pandemic, in a representative sample of Canadian adults (N = 3617). Relying on a multi-trajectory group-based approach, we identified clusters of individuals following persistently low (4.0%), moderate-low (39.3%), moderate-high (46.7%), and high (10.0%) levels of self-kindness, common humanity, and mindfulness. Interestingly, we found that compassionate self-responding trajectories were mainly stable over time with minor fluctuations for some groups of individuals, in line with the epidemiological situation. In terms of covariates, we observed that older women were more likely to follow trajectories of high compassionate self-responding, as compared to the other age and gender groups. In terms of mental health indicators, we demonstrated that trajectory groups with high levels of compassionate self-responding were associated with greater life satisfaction, more happiness, better sleep quality, higher sleep quantity, and fewer negative emotions, as compared to lower trajectory groups. The results supported the idea that self-compassion during the COVID-19 pandemic could have favored better mental health indicators and could possibly be promoted as a psychological intervention in the 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 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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,000 | 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 ».