Use of the Personality Assessment Inventory (PAI) in individuals with traumatic brain injury
Notice bibliographique
Résumé
PRIMARY OBJECTIVE: To evaluate the extent to which the Personality Assessment Inventory (PAI) is confounded by symptoms that are transdiagnostic between psychopathology and neurological sequelae. METHODS: Sixty-one adults with moderate-to-severe traumatic brain injury (TBI) completed the PAI over the first year post-injury. Items that discriminated brain-injured individuals from a normative sample were identified using effect size analyses and were then subjected to principal components analysis (PCA) with varimax rotation. To explore whether the items identified in the PCA may be considered transdiagnostic in nature, an expert rating task and correlations with objective outcome measures were employed. RESULTS: Effect sizes analyses identified 21 items that discriminated adults with TBI from the normative sample. Eight items associated with component 1 of the PCA were considered to be transdiagnostic. These items reflected health concerns and thinking problems from the Somatic Complaints, Depression and Schizophrenia scales. Items belonging to the other components reflected behaviours that are commonly associated with TBI, but not considered transdiagnostic. CONCLUSION: Using a comprehensive and multi-modal approach, results demonstrated good convergent validity for a small sub-set of items as being transdiagnostic. Overall, the findings support the PAI as a useful measure of psychiatric and emotional disturbances among persons with TBI.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».