DSM‐IV personality disorders and the Five‐Factor Model of personality: a multi‐method examination of domain‐ and facet‐level predictions
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The personality disorder classification system (Axis II) in the various versions of the Diagnostic and Statistical Manuals of Mental Disorders (DSM) has been the target of repeated criticism, with conceptual analysis and empirical evidence documenting its flaws. In response, many have proposed alternative approaches for the assessment of personality psychopathology, including the application of the Five‐Factor Model of personality (FFM). Many remain sceptical, however, as to whether domain and facet traits from a model of general personality functioning can be successfully applied to clinical patients with personality disorders (PDs). In this study, with a sample of psychiatric patients (n = 115), personality disorder symptoms corresponding to each of the 10 PDs were successfully predicted by the facet and domain traits of the FFM, as measured by a semi‐structured interview, the Structured Interview for the Five Factor Model (SIFFM; Trull & Widiger, 1997) and a self‐report questionnaire, the Revised NEO Personality Inventory (NEO PI‐R; Costa and McCrae, 1992). These results provide support for the perspective that personality psychopathology can be captured by general personality dimensions. The FFM has the potential to provide a valid and scientifically sound framework from which to assess personality psychopathology, in a way that covers most of the domains conceptualized in DSM while transcending the limitations of the current categorical approach to these disorders. Copyright © 2005 John Wiley & Sons, Ltd.
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.
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 | 0,007 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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 découle