پیش بینی کننده های اضطراب کرونا در بیماران مبتلا به کووید ۱۹
محل انتشار: نشریه روان پرستاری، دوره: 11، شماره: 4
سال انتشار: 1402
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 68
فایل این مقاله در 8 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_IJPN-11-4_001
تاریخ نمایه سازی: 24 آبان 1402
چکیده مقاله:
مقدمه: پاندمی کووید-۱۹ یک مسئله جهانی است که زمینه ساز بروز اختلالات روانشناختی مانند اضطراب شده است. هدف این پژوهش تعیین پیش بینی کننده های اضطراب کرونا در بیماران مبتلا به کووید ۱۹ بود.
روش کار: این یک مطالعه توصیفی- تحلیلی است. ۱۱۹ بیمار مبتلا به کووید-۱۹ با استفاده از روش نمونهگیری در دسترس که واجد شرایط بود وارد مطالعه شدند (معیار ورود: ابتلا به کووید-۱۹، توانایی تکمیل پرسشنامه، سواد خواندن و نوشتن و معیار خروج: ناتوانی در شرکت در مطالعه، تکمیل ناکامل پرسشنامه). جمع آوری داده ها به صورت پرسشنامه آنلاین از طریق پرسشنامه های اضطراب مرگ تمپلر، پرسشنامه نگرانی ایالت پنسیلوانیا (PSWQ)، پرسشنامه اضطراب کرونا (CDAS) و پرسشنامه افسردگی (DASS-۲۱) صورت گرفت. داده های بدست آمده با استفاده از روشهای آماری ضریب همبستگی پیرسون و رگرسیون چندگانه با استفاده از برنامه SPSS نسخه ۲۲ تجزیه و تحلیل شد.
یافتهها: بین نمره اضطراب کرونا با اضطراب مرگ همبستگی منفی معناداری (۲۰۹/۰-=r، ۰۵/۰>P) و بین اضطراب کرونا با نگرانی (۲۸۳/۰=r، ۰۱/۰>P) و افسردگی (۳۴۴/۰=r، ۰۱/۰>P) همبستگی مثبت و معنا دار وجود داشت. نتایج تحلیل رگرسیون نشان داد که افسردگی (۳۰۳/۰=β، ۰۰۱/۰>P)، نگرانی (۲۳۶/۰=β، ۰۰۶/۰>P) و اضطراب مرگ (۲۳۳/۰=β، ۰۰۸/۰>P) موثرترین پیش بینی کننده های اضطراب کرونا هستند.
نتیجهگیری: یافته ها نشان داد که افسردگی، نگرانی و اضطراب مرگ اصلی ترین پیش بینی کننده های اضطراب کرونا هستند و مداخلات روانشناختی باید بیشتر متمرکز برای رفع این مسائل باشند.
کلیدواژه ها:
نویسندگان
علی شهبازی
Tonekabon Islamic Azad University
محمدشمس مهرابادی
Iran University of Medical Sciences
شهربانو قهاری
Iran University of Medical Sciences
رضا داوودی
Tonekabon Islamic Azad University
پویا فرخ نژاد افشار
Iran University of Medical Sciences
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :