Demographics of (non)religious groups.
Notice bibliographique
Résumé
<div> Although the threat and uncertainty of the COVID-19 pandemic has become a significant source of distress, using religion to cope may be associated with more positive health. Given the severity and chronicity of the pandemic, religious individuals may also have relied on a variety of <i>non</i>-religious coping methods. Much of the existing COVID-19 research overlooks the role of religious group membership and beliefs in relation to coping responses and associated mental health, with an additional lack of such research within the Canadian context. Thus, this cross-sectional study investigated relations among religiosity, stressor appraisals, (both religious and non-religious) coping strategies, mental and physical health in a religiously-diverse Canadian community sample (<i>N</i> = 280) during the pandemic’s 2<sup>nd</sup> wave from March to June 2021. Numerous differences were apparent in appraisal-coping methods and health across five (non)religious groups (i.e., Atheists, Agnostics, “Spiritual but not religious”, Christians, and those considered to be religious “Minorities” in Canada). Religiosity was also associated with better mental health, appraisals of the pandemic as a challenge from which one might learn or grow, and a greater reliance on problem-focused, emotional-engagement, and religious coping. Moreover, both problem-focused and emotional-engagement coping mediated the relations between religiosity and health. Taken together, this research has implications for individual-level coping as well as informing culturally-sensitive public health messages promoting targeted self-care recommendations with integrated religious or spiritual elements during times of threat and uncertainty, such as the COVID-19 pandemic. </div>
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 | 0,000 | 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 | 0,000 | 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) | 0,055 | 0,007 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».