In questa tesi si propone un’analisi dei dati del “Global Monitor 2020: Mental Health”, la più ampia indagine sul tema della salute mentale a livello mondiale, tramite modelli per dati discreti. In particolare, è stato analizzato un campione di 27475 soggetti, d'età compresa tra i 15 e i 99 anni, residenti in 28 paesi europei e nord-americani. Per valutare come l’esperienza di un disturbo ansioso-depressivo dipenda da alcune caratteristiche socio-demografiche, è stato applicato un modello di regressione logistica. Per caratterizzare il comportamento dei soggetti intervistati, in termini di strategie messe in atto per ristabilire il proprio benessere mentale, per profilare la popolazione e indagare il ruolo di alcuni fattori socio-demografici nella scelta dei metodi per la gestione di un disagio psicologico, è stato applicato un modello di regressione a classi latenti. Inoltre, ogni modello è stato messo a confronto con tecniche alternative, coerenti con l'obiettivo specifico.

Indagine Global Monitor sulla salute mentale: un’analisi tramite modelli per dati discreti

ANDRIGO, ANGELA
2022/2023

Abstract

In questa tesi si propone un’analisi dei dati del “Global Monitor 2020: Mental Health”, la più ampia indagine sul tema della salute mentale a livello mondiale, tramite modelli per dati discreti. In particolare, è stato analizzato un campione di 27475 soggetti, d'età compresa tra i 15 e i 99 anni, residenti in 28 paesi europei e nord-americani. Per valutare come l’esperienza di un disturbo ansioso-depressivo dipenda da alcune caratteristiche socio-demografiche, è stato applicato un modello di regressione logistica. Per caratterizzare il comportamento dei soggetti intervistati, in termini di strategie messe in atto per ristabilire il proprio benessere mentale, per profilare la popolazione e indagare il ruolo di alcuni fattori socio-demografici nella scelta dei metodi per la gestione di un disagio psicologico, è stato applicato un modello di regressione a classi latenti. Inoltre, ogni modello è stato messo a confronto con tecniche alternative, coerenti con l'obiettivo specifico.
2022
Global Monitor mental health survey analysis via models for discrete data
Salute mentale
Dati discreti
Classi latenti
File in questo prodotto:
File Dimensione Formato  
Andrigo_Angela.pdf.pdf

accesso aperto

Dimensione 851.15 kB
Formato Adobe PDF
851.15 kB Adobe PDF Visualizza/Apri

The text of this website © Università degli studi di Padova. Full Text are published under a non-exclusive license. Metadata are under a CC0 License

Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/20.500.12608/58697