The Silent Burden: Understanding Alexithymia and Its Correlation With University Student Depression, Anxiety, and Stress in a Cross‐Sectional Study
Notice bibliographique
Résumé
ABSTRACT Background and Aims In a time of increasing mental health difficulties among college students globally, where 20%–45% experience disorders annually, mood disorders emerge as a prevalent concern. These disorders mainly impact individuals aged 18 to 30 and significantly affect academic performance and long‐term well‐being. This study aimed to assess the psychological well‐being of university students, focusing on alexithymia, depression, anxiety, stress, and their complex relationships. Methods Using a multi‐stage sampling approach, the study was conducted in 2019 with 260 undergraduate students at Shahrekord University of Medical Sciences, Shahrekord, Iran. The Depression, Anxiety, and Stress Scale (DASS) questionnaire measured depression, anxiety, and stress, while the Toronto Alexithymia Scale‐20 (TAS‐20) assessed alexithymia. The data were analyzed using SPSS v.23.0. Results The participants had a mean age of 20.7 ± 3.2 years, were mostly female (75.7%), single (90.7%), and of Fars ethnicity (66.1%). The majority lived in dormitories (70.3%). Alexithymia was present in 30.8% of the population, with males scoring higher than females ( p = 0.04). Also, students aged 18–19 had lower depression ( p = 0.04) and anxiety ( p = 0.04) scores. We found significant positive correlations between alexithymia and stress, depression, and anxiety ( p < 0.001). Moreover, a strong positive correlation was observed between depression and both anxiety ( p < 0.001) and stress ( p < 0.001). Additionally, anxiety demonstrated a notable correlation with stress ( p < 0.001), underscoring the intricate interplay among these psychological factors. Conclusion Identifying alexithymia in medical settings is essential, as it can affect patient–provider communication and care. Students with alexithymic traits may benefit from interventions targeting both alexithymia and co‐occurring mental disorders like depression and anxiety. Future research should focus on developing tailored treatments and early screening to improve emotional regulation and mental health outcomes, particularly in high‐stress academic environments.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».