The predictive relationship of perfectionism and alexithymia towards depression and anxiety
Notice bibliographique
Résumé
Diagnoses of depression and anxiety are rising and perfectionism and alexithymia are known risk factors for these disorders. However, the extent to which perfectionism and alexithymia may predict these disorders has not yet been studied. Therefore, this research aims to investigate the extent to which high scores on these variables explain variance in depression and anxiety. Through an online survey using a non-clinical sample, 212 participants were recruited. They were asked to complete three questionnaires: The Multidimensional Perfectionism Scale (MPS-F), The Toronto Alexithymia Scale (TAS), and the Hospital Anxiety and Depression Scale (HADS). Perfectionism scores accounted for 16% of the variance in depression, and 29% variance in anxiety. When alexithymia was included in the model, variance explained increased to 26% and 35%, thus supporting the hypothesis that perfectionism, when symptoms of alexithymia are also present increases the variance in depression and anxiety. These findings have enabled further understanding of these predictive disorders, suggesting that those higher in perfectionism and alexithymia may be at a higher risk of depression and anxiety. This study provides implications for future interventions for anxiety and depression. Targeting the identification and expression of emotions as well as managing and setting realistic expectations and standards would be suggested, based on the findings that alexithymia increases the predictive variance for depression and anxiety.
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 | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».