Bridging the gaps: Comparing structural equation models to network analysis models of depression, anxiety, and perfectionism
Notice bibliographique
Résumé
Network models of psychopathology can identify specific items/symptoms that explain the connections among broader constructs such as depression, anxiety, and perfectionism. In two studies, we examine the dynamic interplay between depression, anxiety, and perfectionism symptoms among undergraduates using structural equation modeling (SEM) and network analysis. Participants in two independent samples (N = 774 and N = 759) completed online, cross-sectional questionnaires including measures of anxiety, depressive symptoms, and perfectionism (i.e., concerns over mistakes, doubts about actions, and personal standards). When analyzing data in the traditional fashion using SEM as a point of comparison, results from both samples were consistent with the existing literature. After controlling for all other perfectionism variables in the model, concerns over mistakes and doubts about actions were positively associated with depressive and anxiety symptoms (βs from .21 to .46), while personal standards showed negative associations with depressive symptoms (β = -.20 both samples) and non-significant associations with anxiety symptoms (βs from -.09. to -.03). Nonetheless, model fit for the confirmatory factor model was below ideal cutoffs in the second sample, suggesting other structures (e.g., a network model) might better represent the data. Network analyses revealed associations between constructs at the item level across both samples. Four key symptoms emerged as central nodes linking depression, anxiety, and perfectionism: difficulty taking initiative to do activities, feeling worthless, feeling close to panic, and doubts about simple everyday activities. This study underscores the importance of investigating item-level associations for a nuanced interpretation of these constructs.
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 | 0,024 | 0,105 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,005 | 0,006 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,004 | 0,007 |
| Science ouverte | 0,003 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».