Mean Affect Moderates the Association between Affect Variability and Mental Health
Notice bibliographique
Résumé
Abstract Increasing evidence suggests that within-person variation in affect is a dimension distinct from mean levels along which individuals can be characterized. This study investigated affect variability’s association with concurrent and longitudinal mental health and how mean affect levels moderate these associations. The mental health outcomes of depression, panic disorder, self-rated mental health, and mental health professional visits from the second and third waves of the Midlife in the United States Study were used for cross-sectional (n = 1,676) and longitudinal outcomes (n = 1,271), respectively. These participants took part in the National Study of Daily Experiences (NSDE II), where they self-reported their affect once a day for 8 days, and this was used to compute affect mean and variability. Greater positive affect variability cross-sectionally predicted a higher likelihood of depression, panic disorder, mental health professional use, and poorer self-rated mental health. Greater negative affect variability predicted higher panic disorder probability. Longitudinally, elevated positive and negative affect variability predicted higher depression likelihood and worse self-rated mental health over time, while greater positive affect variability also predicted increased panic disorder probability. Additionally, mean affect moderated associations between variability and health such that variability-mental health associations primarily took place when mean positive affect was high (for concurrent mental health professional use and longitudinal depression) and when mean negative affect was low (for concurrent depression, panic disorder, self-rated mental health, and longitudinal self-rated mental health). Taken together, affect variability may have implications for both short- and long-term health and mean levels should be considered.
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 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».