رابطه‌ تجربيات شي‌انگارانه وزني با افسردگي و اختلال خوردن در زنان با اضافه‌وزن

Correlation of weight-based objectifying experiences with depression and eating disorder in overweight women

زمينه: هدف از پژوهش حاضر، بررسي ارتباط سوگيري وزني درون‌سازي‌شده و نگراني درباره تصوير بدن، خودشي‌گرايي وزني با افسردگي و اختلال خوردن بود. روش‌ها: در اين تحقيق 200 نفر زن داراي اضافه‌وزن و چاق با استفاده از روش نمونه‌گيري در دسترس از بين زنان داراي اضافه‌وزن مراجعه‌كننده به باشگاه‌هاي ورزشي شيراز در سال 1392 انتخاب شدند. آن‌ها به پرسشنامه موقعيت‌هاي نشان‌دار، پرسشنامه ويژگي خودشي‌گرايي، مقياس درون‌سازي سوگيري وزن، پرسشنامه‌ نگراني درباره تصوير بدن، مقياس مركز مطالعات همه‌گيرشناسي افسردگي و مقياس تشخيص اختلال خوردن پاسخ دادند. داده‌هاي پژوهش با روش مدل‌سازي معادلات ساختاري تحليل شد. يافته‌ها: نتايج نشان داد كه سوگيري وزني درون‌سازي‌شده، نگراني درباره‌ تصوير بدن و خودشي‌گرايي رابطه شي‌انگارانه‌ وزني را با افسردگي و اختلال خوردن ميانجي‌گري مي‌كنند. نتيجه‌گيري: اين تحقيق نشان داد شاخص‌هاي برازش مدل پيشنهادي به‌طور قابل قبولي قادر به برازش دادن داده‌ها است.

Background: This study was carried out to investigate the correlation of self-objectification, internalized weight bias and body image concern with depression and eating disorder Methods: A total of 200 female students with overweight and obesity were selected using convenience random sampling among female students with overweight and obesity referring to Shiraz sport clubs in 2013. They responded to Stigmatizing Situations Inventory (SSI), Trait Self- Objectification Questionnaire (TSOQ), Weight Bias Internalization Scale (WBIS), Body Image Concern Inventory (BICI), Center for Epidemiological Studies- Depression Scale (CES-D) and Eating Disorder Diagnostic Scale (EDDS). Data were analyzed by structural equation modeling (SEM). Results: Result showed that self-objectification, internalized weight bias and body image concern can mediate the relationship of weight-based objectifying experiences with depression and eating disorder. Conclusion: The findings of this study showed that fitness index of the proposed model can acceptably fit the data.