Isolating unique variance in mental health outcomes attributable to personality variables and childhood emotional abuse
Notice bibliographique
Résumé
Introduction: University students are at high risk for anxiety and depression. Our main objective was to tease apart variance in symptom severity that was uniquely attributable to four associated variables that are frequently confounded: exposure to childhood emotional abuse, alexithymia, sensory processing sensitivity (SPS), and anxiety sensitivity (AS). Methods: = 410) completed an online survey designed to measure our four key study variables along with several other potentially relevant variables including sex, physical activity levels, and perceived COVID-19 impacts. Results: Over half of the participants reported moderate to extremely severe symptoms of anxiety and depression. Females reported stronger signs of SPS and AS and were more likely than males to have increased their moderate/vigorous exercise since the pandemic began. After controlling for the other variables, the best predictors of perceived COVID-19 impacts were SPS, childhood emotional abuse, and current levels of physical activity. Whereas all three personality variables and childhood emotional abuse emerged as significant predictors of both depression and anxiety, neither COVID-19 impacts nor physical activity levels accounted for unique variance in either model. Unexpectedly, male sex emerged as an additional risk factor for depression, raising the possibility that males experience unique stressors and societal pressures that increase their risk of depression. Discussion: These findings help to clarify the links between childhood emotional abuse, personality traits implicated in emotional awareness and self-regulation, and mental health. They may have important implications for the development and implementation of individualized treatments for common mental disorders.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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) | 0,001 | 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 ».