پیش بینی افکار خودکشی در سالمندان بر اساس سپاسگزاری وخود شفقت ورزی
Publish place: Journal of Gerontology، Vol: 4، Issue: 1
Publish Year: 1398
Type: Journal paper
Language: Persian
View: 615
This Paper With 9 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
Export:
Document National Code:
JR_JOGE-4-1_002
Index date: 28 December 2021
پیش بینی افکار خودکشی در سالمندان بر اساس سپاسگزاری وخود شفقت ورزی abstract
مقدمه: خودشفقت ورزی و سپاسگزاری می توانند بر جنبه های مختلف زندگی سالمندان تاثیرگذار باشد. بنابراین پژوهش حاضر باهدف بررسی رابطه سپاسگزاری و خودشفقت ورزی با افکار خودکشی در سالمندان انجام پذیرفت.
روش: برای این مطالعه ۳۷۸نفر از سالمندان شهر تهران به شیوه نمونه گیری غیرتصادفی دردسترس به عنوان نمونه انتخاب شدند. برای گردآوری داده ها از مقیاس های سپاسگزاری ، مقیاس افکار خودکشی بک و مقیاس فرم کوتاه خود شفقت ورزی استفاده شد. برای تحلیل داده ها از تحلیل رگرسیون گام به گام استفاده شد.
یافته ها: نتایج تحلیل رگرسیون گام به گام نشان داد که مقدار آماره F در گام اول ۵۲۲/۶۹ و در گام دوم ۳۰۵/۴۴ به دست آمده است که همگی معنادار هستند. همچنین ضریب تبیین در گام اول ۵۳ درصد و در گام دوم ۶۰ درصد حاصل شده است.بنابراین سپاسگزاری و خود شفقت ورزی قادر به پیش بینی ۶۰ درصد از تغییرات افکار خودکشی در سالمندان هستند.
نتیجه گیری: براساس یافته ها می توان در کنار توجه به راهکارهای افزایش سپاسگزاری در سالمندان به عنوان قدرت خارجی فرد با تقویت شفقت ورزی نسبت به خود به عنوان قدرت داخلی ،انعطاف پذیری سالمندان را در برابر خودکشی افزایش داد و موجب کاهش افکار خودکشی در آنها گردید.
پیش بینی افکار خودکشی در سالمندان بر اساس سپاسگزاری وخود شفقت ورزی Keywords:
پیش بینی افکار خودکشی در سالمندان بر اساس سپاسگزاری وخود شفقت ورزی authors
پیام ورعی
Faculty of Social Sciences and Education, Razi University, Kermanshah, Iran
سبا پورداد
Razi University of Kermanshah
سارا افشاری
Instructor,Department of counseling, Azad University of Bushehr, Iran
زهرا میرشمسی
M.A Azad Islamic University -- Azad Islamic University of Yazd, Faculty of Social Humanities
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper 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 Paper لینک شده اند :