پیش بینی سبک زندگی سلامت محور بر مبنای ویژگی های شخصیتی و خودکارامدی
محل انتشار: فصلنامه تحقیقات نظام سلامت، دوره: 16، شماره: 3
سال انتشار: 1399
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 174
فایل این مقاله در 6 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_HSR-16-3_007
تاریخ نمایه سازی: 28 خرداد 1402
چکیده مقاله:
مقدمه: بر اساس شواهد موجود، حدود ۶۰ درصد از مرگ و میرها در سطح جهان و ۸۰ درصد از مرگ و میرها در کشورهای در حال توسعه، ارتباط نزدیکی با سبک زندگی دارد. پژوهش حاضر با هدف پیش بینی سبک زندگی سلامت محور بر مبنای ویژگی های شخصیتی و خودکارامدی انجام شد.
روش ها: این مطالعه از نوع همبستگی و جامعه آماری آن متشکل از کارکنان متاهل دانشگاه شهید باهنر کرمان بود که ۱۶۰ نفر از آن ها با استفاده از روش نمونه گیری در دسترس به عنوان نمونه انتخاب شدند. داده ها به کمک پرسش نامه پنج عامل بزرگ شخصیتی (NEO Personality Inventory یا NEO PI)، مقیاس عمومی خودکارامدی (General Self-Efficacy یا GSE) و پرسش نامه سبک زندگی ارتقا دهنده سلامت (Health-Promoting Lifestyle Profile یا HPLP) جمع آوری گردید. داده ها با استفاده از ضریب همبستگی Pearson و Multivariate Regression مورد تجزیه و تحلیل قرار گرفت.
یافته ها: عامل های روان رنجورخویی (۰۵۰/۰ > P)، وظیفه شناسی (۰۵۰/۰ > P) و خودکارامدی (۰۰۱/۰ > P) به طور معنی داری قادر به پیش بینی سبک زندگی سلامت محور می باشند.
نتیجه گیری: با توجه به نقش ویژگی های شخصیتی و خودکارامدی در سبک زندگی سلامت محور، پیشنهاد می شود این متغیرها در حوزه پیشگیری، آموزش و پژوهش بیشتر مورد توجه قرار گیرند.
کلیدواژه ها:
نویسندگان
منصور طاهری
Department of Psychology, School of Literature and Humanities, Shahid Bahonar University, Kerman, Iran
عباس رحمتی
Associate Professor, Department of Psychology, School of Literature and Humanities, Shahid Bahonar University, Kerman, Iran
مسعود باقری
Associate Professor, Department of Psychology, School of Literature and Humanities, Shahid Bahonar University, Kerman, Iran
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 :