Perfectionism and depression in sport. Are we as clear as in clinical practice? A systematic review
Notice bibliographique
Résumé
Abstract Depression is among the most prevalent mental disorders globally, and the athletic population is not exempt from its impact. Research has identified perfectionism as a personality trait strongly associated with depressive symptoms in athletes, often characterized by elevated levels of rumination and intrusive thoughts following high-pressure situations such as competitive events. The current study aimed to review the relationship between perfectionism and depression in the sports context, describing which vulnerability factors (both predisposing and maintenance) have been linked in scientific literature. A total of 1,046 publications were initially identified, of which 13 met the established inclusion criteria. This review describes the instruments used to assess perfectionism and depression in sport settings (describing their rigor and clinical value), outlines the sociodemographic characteristics of the athlete populations in which this variable combination is most frequently observed. Finally, additional variables associated with perfectionism and depression, such as anxiety, burnout, and coping strategies, are also discussed. The findings of this review may help reorient empirical approaches that seek to explain, from a coherent clinical perspective, the intense and extreme relationship between perfectionistic tendencies and the emergence of depressive symptoms in high-performance sport. Also, the results may support the valuable scientific effort to inform coaches, other sport professionals, or family members to identify, address, and support athletes (or themselves), positively impacting their psychosocial resources and individual capacities for healthy adaptation and/or athletic effectiveness.
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 | 0,003 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,005 | 0,001 |
| 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 | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,001 |
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 ».