The Peritraumatic Distress Inventory: A Proposed Measure of PTSD Criterion A2
Notice bibliographique
Résumé
OBJECTIVE: Meeting criterion A2 for the diagnosis of posttraumatic stress disorder (PTSD) in DSM-IV requires that an individual have high levels of distress during or after the traumatic event. Because of the paucity of valid and reliable instruments for assessing such responses, the authors developed a 13-item self-report measure, the Peritraumatic Distress Inventory, to obtain a quantitative measure of the level of distress experienced during and immediately after a traumatic event. METHOD: The cross-sectional study group comprised 702 police officers and 301 matched nonpolice comparison subjects varying in ethnicity and gender who were exposed to a wide range of critical incidents. RESULTS: The Peritraumatic Distress Inventory was found to be internally consistent, with good test-retest reliability and good convergent and divergent validity. Even after controlling for peritraumatic dissociation and for general psychopathology, the authors found that Peritraumatic Distress Inventory scores correlated with two measures of posttraumatic stress symptoms. CONCLUSIONS: The Peritraumatic Distress Inventory holds promise as a measure of PTSD criterion A2. Future studies should prospectively examine the ability of the Peritraumatic Distress Inventory to predict PTSD and its associated biological and cognitive correlates in other trauma-exposed groups.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».