Self-compassion, depressive symptoms, and well-being: A cross-sectional exploration across athlete status and gender
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Self-compassion is associated with positive mental health outcomes and may buffer against negative self-evaluations and emotional difficulties. Nevertheless, studies among athletes often explore self-compassion in specific groups in isolation (e.g., women athletes) (Röthlin et al., 2019). The aims of this study were to 1) explore whether the relationship between gender and composite scores and specific dimensions of self-compassion (e.g., self-judgement) was moderated by athlete status; and 2) to explore the relationship between different dimensions of self-compassion and self-reported depressive symptoms and well-being among team sport athletes ( n = 84, M age = 22.9 ± 5.0; 57.1 %men) and non-athletes ( n = 189, M age = 35.5 ± 5.9; 32.8 %men). For our first aim, the relationship between gender and self-compassion (including specific dimensions) was not moderated by athlete status. However, regardless of gender, athletes reported significantly higher total self-compassion scores and significantly lower scores on specific dimensions of self-compassion, isolation, and over-identification, than non-athletes. For our second aim, self-judgement was positively associated with depressive symptoms in both athletes and non-athletes. Self-judgment was, however, negatively associated with well-being only among athletes, and isolation was negatively correlated with well-being only among non-athletes. Our results suggest that reducing self-judgement may be particularly important for promoting athletes’ mental health
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.
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 | 0,000 | 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) | 0,001 | 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 découle