How sustainable is resilience? A mixed-methods study on the COVID-19-pandemic as a challenge to resilience resources of older adults who previously recovered from depression
Notice bibliographique
Résumé
OBJECTIVES: Despite expanding knowledge about the internal and external resources that contribute to resilience among individuals who have experienced depression, the long-term accessibility and protectiveness of these resources across different stressors is unknown. We investigated whether and how the resilience resources of individuals who previously recovered from late-life depression remained protective during the COVID-19 pandemic. METHODS: = 19). We used thematic analysis to determine the protective resources after depression and during the COVID-19 pandemic and linear mixed models to examine the effect of these resources on change in depressive symptoms during the COVID-19 pandemic. RESULTS: While resources of 'Taking agency', 'Need for rest', 'Managing thought processes' and 'Learning from depression' remained accessible and protective during the pandemic, 'Social support' and 'Engaging in activities' did not. 'Negotiating with lockdown measures', 'changing social contact' and 'changing activities' were compensating strategies. Quantitative data confirmed the protectiveness of social contact, social cohesion, sense of mastery, physical activity, staying active and entertained and not following the media. CONCLUSION: Many of the resources that previously helped to recover from depression also helped to maintain good mental health during the COVID-19 pandemic. Where accessibility and protectiveness declined, compensatory strategies or new resources were used. Hence, the sustainability of resilience is enabled through adaptation and compensation processes.
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 | 0,004 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| 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 ».