Design of a regression model to predict the presence of depression during pregnancy based on emotional intelligence, parental care, anxiety and stress

Descripción del Articulo

Background: Emotion regulation involves the modulation of emotional experiences to facilitate goal attainment. Conversely, emotional difficulties are a pattern of emotional experiences and expressions that interfere with goal-directed behavior. Objectives: Design a new mod...

Descripción completa

Detalles Bibliográficos
Autores: Giovanazzi, Sandro, Pérez, Aquiles
Formato: artículo
Fecha de Publicación:2023
Institución:Instituto Peruano de Orientación Psicológica
Repositorio:Interacciones
Lenguaje:español
OAI Identifier:oai:ojs.ejournals.host:article/305
Enlace del recurso:https://revistainteracciones.com/index.php/rin/article/view/305
Nivel de acceso:acceso abierto
Materia:Psicología perinatal
Depresión perinatal
Psicología Clínica
Psicopatología
Variables psicológicas
Perinatal psychology
Perinatal depression
Clinical Psychology
Psychopathology
Psychological variables
id REVIPOPS_1149aee88a61769af69885ba9c540922
oai_identifier_str oai:ojs.ejournals.host:article/305
network_acronym_str REVIPOPS
network_name_str Interacciones
repository_id_str .
dc.title.none.fl_str_mv Design of a regression model to predict the presence of depression during pregnancy based on emotional intelligence, parental care, anxiety and stress
Diseño de un modelo de regresión para predecir la presencia de la depresión durante el embarazo a partir de la inteligencia emocional, el cuidado parental, la ansiedad y el estrés
title Design of a regression model to predict the presence of depression during pregnancy based on emotional intelligence, parental care, anxiety and stress
spellingShingle Design of a regression model to predict the presence of depression during pregnancy based on emotional intelligence, parental care, anxiety and stress
Giovanazzi, Sandro
Psicología perinatal
Depresión perinatal
Psicología Clínica
Psicopatología
Variables psicológicas
Perinatal psychology
Perinatal depression
Clinical Psychology
Psychopathology
Psychological variables
title_short Design of a regression model to predict the presence of depression during pregnancy based on emotional intelligence, parental care, anxiety and stress
title_full Design of a regression model to predict the presence of depression during pregnancy based on emotional intelligence, parental care, anxiety and stress
title_fullStr Design of a regression model to predict the presence of depression during pregnancy based on emotional intelligence, parental care, anxiety and stress
title_full_unstemmed Design of a regression model to predict the presence of depression during pregnancy based on emotional intelligence, parental care, anxiety and stress
title_sort Design of a regression model to predict the presence of depression during pregnancy based on emotional intelligence, parental care, anxiety and stress
dc.creator.none.fl_str_mv Giovanazzi, Sandro
Pérez, Aquiles
author Giovanazzi, Sandro
author_facet Giovanazzi, Sandro
Pérez, Aquiles
author_role author
author2 Pérez, Aquiles
author2_role author
dc.subject.none.fl_str_mv Psicología perinatal
Depresión perinatal
Psicología Clínica
Psicopatología
Variables psicológicas
Perinatal psychology
Perinatal depression
Clinical Psychology
Psychopathology
Psychological variables
topic Psicología perinatal
Depresión perinatal
Psicología Clínica
Psicopatología
Variables psicológicas
Perinatal psychology
Perinatal depression
Clinical Psychology
Psychopathology
Psychological variables
description Background: Emotion regulation involves the modulation of emotional experiences to facilitate goal attainment. Conversely, emotional difficulties are a pattern of emotional experiences and expressions that interfere with goal-directed behavior. Objectives: Design a new model to predict the presence of depression in women during pregnancy. Methods: Non-experimental, cross-sectional, explanatory study of depression in women during pregnancy (logistic regression) considering the variables emotional intelligence, parental care, anxiety and stress. The sample consisted of 273 pregnant women-mothers between 14 and 38 weeks pregnant, aged between 18 and 38 years, for a mean of 25.67 years (SD= 5.8). Results: The regression model is valid and significant in predicting the probability of occurrence of depression, explaining 82.4% of the variance of DV (Presence of depression) by the variables age, clarity and repair of depression dimensions. emotional intelligence, the maternal and paternal overprotection dimensions, and paternal care of the parental style variables; stress, work and single marital status. There is a 95.2% probability of success in the depression result when each of the model variables is incorporated. Conclusions: The best predictors of depression in pregnancy would be, on the one hand, higher levels or values of the variables and indicators age, reparation, maternal overprotection, paternal care, and stress, and on the other hand, low scores in the dimensions and values of clarity variables, and paternal overprotection; added to whether the woman works and is single. This combination of variables would be the individual and contextual conditions that influence said appearance.
publishDate 2023
dc.date.none.fl_str_mv 2023-06-04
dc.type.none.fl_str_mv info:eu-repo/semantics/article
info:eu-repo/semantics/publishedVersion
format article
status_str publishedVersion
dc.identifier.none.fl_str_mv https://revistainteracciones.com/index.php/rin/article/view/305
10.24016/2023.v9.305
url https://revistainteracciones.com/index.php/rin/article/view/305
identifier_str_mv 10.24016/2023.v9.305
dc.language.none.fl_str_mv spa
language spa
dc.relation.none.fl_str_mv https://revistainteracciones.com/index.php/rin/article/view/305/426
https://revistainteracciones.com/index.php/rin/article/view/305/427
https://revistainteracciones.com/index.php/rin/article/view/305/429
dc.rights.none.fl_str_mv Copyright (c) 2023 Interacciones
info:eu-repo/semantics/openAccess
rights_invalid_str_mv Copyright (c) 2023 Interacciones
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv text/html
application/pdf
application/pdf
dc.publisher.none.fl_str_mv Instituto Peruano de Orientación Psicológica
publisher.none.fl_str_mv Instituto Peruano de Orientación Psicológica
dc.source.none.fl_str_mv Interacciones; Vol. 9 (2023): January - December; e305
Interacciones; Vol. 9 (2023): Enero - Diciembre; e305
Interacciones: Revistas de Avances en Psicología; Vol. 9 (2023): January - December; e305
2411-5940
2413-4465
reponame:Interacciones
instname:Instituto Peruano de Orientación Psicológica
instacron:IPOPS
instname_str Instituto Peruano de Orientación Psicológica
instacron_str IPOPS
institution IPOPS
reponame_str Interacciones
collection Interacciones
repository.name.fl_str_mv
repository.mail.fl_str_mv
_version_ 1858292924498837504
spelling Design of a regression model to predict the presence of depression during pregnancy based on emotional intelligence, parental care, anxiety and stressDiseño de un modelo de regresión para predecir la presencia de la depresión durante el embarazo a partir de la inteligencia emocional, el cuidado parental, la ansiedad y el estrésGiovanazzi, SandroPérez, AquilesPsicología perinatalDepresión perinatalPsicología ClínicaPsicopatologíaVariables psicológicasPerinatal psychologyPerinatal depressionClinical PsychologyPsychopathologyPsychological variablesBackground: Emotion regulation involves the modulation of emotional experiences to facilitate goal attainment. Conversely, emotional difficulties are a pattern of emotional experiences and expressions that interfere with goal-directed behavior. Objectives: Design a new model to predict the presence of depression in women during pregnancy. Methods: Non-experimental, cross-sectional, explanatory study of depression in women during pregnancy (logistic regression) considering the variables emotional intelligence, parental care, anxiety and stress. The sample consisted of 273 pregnant women-mothers between 14 and 38 weeks pregnant, aged between 18 and 38 years, for a mean of 25.67 years (SD= 5.8). Results: The regression model is valid and significant in predicting the probability of occurrence of depression, explaining 82.4% of the variance of DV (Presence of depression) by the variables age, clarity and repair of depression dimensions. emotional intelligence, the maternal and paternal overprotection dimensions, and paternal care of the parental style variables; stress, work and single marital status. There is a 95.2% probability of success in the depression result when each of the model variables is incorporated. Conclusions: The best predictors of depression in pregnancy would be, on the one hand, higher levels or values of the variables and indicators age, reparation, maternal overprotection, paternal care, and stress, and on the other hand, low scores in the dimensions and values of clarity variables, and paternal overprotection; added to whether the woman works and is single. This combination of variables would be the individual and contextual conditions that influence said appearance.Introducción: La depresión perinatal se ha definido como la presencia de episodios depresivos mayores o menores durante el período gestacional y/o durante el primer año posparto. La depresión durante el embarazo afecta alrededor de un 13% de las mujeres embarazadas a nivel mundial y en un 10% en la población chilena con consecuencias significativas para la mujer, su hijo y su familia. Objetivo: Diseñar un nuevo modelo para predecir la presencia de depresión en mujeres durante el embarazo. Método: Estudio no experimental, transversal, de tipo explicativo de la depresión en mujeres durante el embarazo (regresión logística) considerando las variables inteligencia emocional, cuidado parental, ansiedad y estrés. La muestra estuvo conformada por 273 mujeres-madres gestantes entre 14 y 38 semanas de embarazo, con edades entre 18 y 38 años, para una media de 25.67 años (SD= 5.8). Resultados: El modelo de regresión es válido y significativo en la predicción de las probabilidades de ocurrencia de la depresión, explicando el 82,4% de la varianza de la VD (Presencia de la depresión) por las variables edad, las dimensiones claridad y reparación de la inteligencia emocional, las dimensiones sobreprotección materna y paterna, cuidado paterno de las variables estilo parental; estrés, trabajo y estado civil soltera. Hay un 95.2% de probabilidad de acierto en el resultado de la depresión cuando se incorpora cada una de las variables del modelo. Conclusiones: Los mejores predictores de la depresión en el embarazo serían por una parte mayores niveles o valores de las variables e indicadores edad, reparación, sobreprotección materna, cuidado paterno y estrés, y por otra parte puntajes bajos en las dimensiones y valores de variables claridad, y sobreprotección paterna; sumado a si la mujer trabaja y es soltera. Esta combinación de las variables serían las condiciones tanto individuales como contextuales que influyen en dicha aparición.Instituto Peruano de Orientación Psicológica2023-06-04info:eu-repo/semantics/articleinfo:eu-repo/semantics/publishedVersiontext/htmlapplication/pdfapplication/pdfhttps://revistainteracciones.com/index.php/rin/article/view/30510.24016/2023.v9.305Interacciones; Vol. 9 (2023): January - December; e305Interacciones; Vol. 9 (2023): Enero - Diciembre; e305Interacciones: Revistas de Avances en Psicología; Vol. 9 (2023): January - December; e3052411-59402413-4465reponame:Interaccionesinstname:Instituto Peruano de Orientación Psicológicainstacron:IPOPSspahttps://revistainteracciones.com/index.php/rin/article/view/305/426https://revistainteracciones.com/index.php/rin/article/view/305/427https://revistainteracciones.com/index.php/rin/article/view/305/429Copyright (c) 2023 Interaccionesinfo:eu-repo/semantics/openAccessoai:ojs.ejournals.host:article/3052023-06-13T12:00:23Z
score 13.922664
Nota importante:
La información contenida en este registro es de entera responsabilidad de la institución que gestiona el repositorio institucional donde esta contenido este documento o set de datos. El CONCYTEC no se hace responsable por los contenidos (publicaciones y/o datos) accesibles a través del Repositorio Nacional Digital de Ciencia, Tecnología e Innovación de Acceso Abierto (ALICIA).