The Role of Perceived Stress, Intolerance of Uncertainty, and Anxiety of Corona Disease in Predicting the Severity of Symptoms of Patients with Obsessive-Compulsive Disorder during the coronavirus pandemic
Notice bibliographique
Résumé
The present study was conducted with the aim of investigating the role of perceived stress, intolerance of uncertainty and anxiety of corona disease in predicting the severity of symptoms of patients with obsessive-compulsive disorder (OCD). This research was a correlational-descriptive study. The population of this research included people aged 20 to 50 years who lived in the fall and winter in Ardabil city in 2020. The Vancouver Obsessive-Compulsive Inventory, the Corona Disease Anxiety Scale, Perceived Stress Scale of Campo-Arias, and Intolerance of Uncertainty were employed to collect the data. The data was analyzed using Pearson’s correlation test and multiple linear regression analysis using SPSS software version 25. According to Pearson correlation test results, a positive and significant relationship was observed between anxiety of corona disease, stress, intolerance of uncertainty, and obsessive-compulsive disorder (p<.05). The results of the regression analysis also showed that Perceived Stress, Intolerance of Uncertainty, and Anxiety of Corona Disease have the ability to significantly predict the Severity of Symptoms of Patients with Obsessive-Compulsive Disorder. Based on the research findings, it can be concluded that perceived stress, intolerance of uncertainty, and anxiety related to the COVID-19 pandemic play significant roles in exacerbating the symptoms of obsessive-compulsive disorder in patients.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), 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 ».