Is psychological resilience associated with changes in youth sport participants’ health-related quality of life during the COVID-19 pandemic?
Notice bibliographique
Résumé
Objectives: This study investigated the quality of life of youth sport participants over the COVID-19 pandemic as moderated by psychological resilience.Methods: Participants included 93 high school sport participants (53.76% female, mean age = 15.59 ± 0.74) in a three-year longitudinal cohort study (SHRed Concussions) who completed the Connor–Davidson Resilience Scale (CD-RISC), Pediatric Quality of Life Scale (PedsQL), and Strengths and Difficulties Questionnaire (SDQ) at Year 1 (pre-pandemic, 2019–2020) and Year 2 (pandemic, 2020–2021). Change in quality of life and mental health symptoms from Year 1 to Year 2 was examined using paired t-tests and Year 1 resilience was examined as a predictor of Year 2 quality of life and mental health symptoms using linear regression.Results: Among participants with Year 1 scores before the pandemic onset, mean PedsQL (n = 74, t = −0.26 [−2.63, 2.03], p = 0.80) and SDQ (n = 74, t = 0.030 [−0.90, 0.93], p = 0.98) scores did not significantly change between Year 1 and Year 2. In unadjusted analyses, Year 1 CD-RISC scores were positively associated with predicted Year 2 PedsQL scores when Year 1 scores were controlled (β = 0.31 [0.0062, 0.61], ΔR2 = 0.02) but not with residual change in SDQ scores (β = 0.035 [−0.11, 0.18], ΔR2 = 0.001).Conclusions: Quality of life did not change significantly after the pandemic onset, and resilience was modestly protective.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 ».