Self-Report Scales to Measure Expectations and Appearance-Related Psychosocial Distress in Patients Seeking Cosmetic Treatments
Notice bibliographique
Résumé
BACKGROUND: The use of screening scales in cosmetic practices may help to identify patients who require education to modify inappropriate expectations and/or psychological support. OBJECTIVES: To describe the development and validation of scales that measure expectations (about how one's appearance and quality of life might change with cosmetic treatments) and appearance-related psychosocial distress. METHODS: The scales were field-tested in patients 18 years and older seeking facial aesthetic or body contouring treatments. Recruitment took place in clinics in the United States, United Kingdom, and Canada between February 2010 and January 2015. Rasch Measurement Theory (RMT) analysis was used for psychometric evaluation. Scale scores range from 0 to 100; higher scores indicate more inappropriate expectations and higher psychosocial distress. RESULTS: Facial aesthetic (n = 279) and body contouring (n = 90) patients participated (97% response). In the RMT analysis, all items had ordered thresholds and acceptable item fit. Person Separation Index and Cronbach alpha values were 0.88 and 0.92 for the Expectation scale, and 0.81 and 0.89 for the Psychosocial Distress scale respectively. Higher expectation correlated with higher psychosocial distress (R = 0.40, P < .001). In the facial aesthetic group, lower scores on the FACE-Q Satisfaction with Appearance scale correlated with higher expectations (R = -0.27, P = .001) and psychosocial distress (R = -0.52, P < .001). In the body contouring group, lower scores on the BODY-Q Satisfaction with Body scale correlated with higher psychosocial distress (R = -0.31, P = .003). Type of treatment and marital status were associated with scale scores in multivariate models. CONCLUSIONS: Future research could examine convergent and predictive validity. As research data are accumulated, norms and interpretation guidelines will be established. LEVEL OF EVIDENCE: 2 Risk.
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 | 0,003 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| 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 | 0,001 | 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 ».