Dimensional Personality Traits and the Prediction of DSM-IV Personality Disorder Symptom Counts in a Nonclinical Sample
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 third edition of the Diagnostic and Statistical Manual of Mental Disorders (DSM-III; APA, 1980) set forth a categorical system of personality psychopathology that is composed of discrete personality disorders (PDs), each with a distinct set of diagnostic criteria. Although this system is widely accepted and highly influential, alternative dimensional approaches to capturing personality psychopathology have been proposed. Three dimensional models of personality have garnered particular attention-the Five-Factor Model (FFM; Costa & McCrae, 1992), the Seven-Factor Psychobiological Model of Temperament and Character (Seven-Factor Model; Cloninger, Svrakic, & Przybeck, 1993); and the 18-factor model of personality pathology (18-factor model; Livesley, 1986). Although the personality traits from each of these models has been examined in relation to the ten personality disorders in the DSM-IV, no study has examined the comparative and incremental validity of these models in predicting PD symptoms for these ten disorders. Using self-report instruments that measure these models and the ten DSM-IV PDs, correlation and linear regression analyses indicate that traits from all three models had statistically significant associations with PD symptom counts. Hierarchical regressions revealed that the 18-factor model had incremental predictive validity over the FFM and Seven-Fac-tor Model in predicting symptom counts for all ten DSM-IV PDs. The FFM had incremental predictive validity over the Seven-Factor Model model for all ten disorders and the Seven-Factor was able to add incremental predictive validity over the 18-factor model for five of the ten PDs and for eight of the ten disorders relative to the FFM.
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 | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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) | 0,003 | 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