MétaCan
Menu
Retour à la cohorte
Enregistrement W2750413679 · doi:10.1080/07448481.2017.1366496

A psychometric analysis of the Ottawa self-injury inventory-f

2017· article· en· W2750413679 sur OpenAlexaboutno aff
Joshua Travis Brown, Fred Volk, Gabrielle L. Gearhart

Notice bibliographique

RevueJournal of American College Health · 2017
Typearticle
Langueen
DomainePsychology
ThématiqueSuicide and Self-Harm Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCronbach's alphaClinical psychologyAffect (linguistics)PsychologyAnxietyMental healthReliability (semiconductor)Concurrent validityPsychometricsPoison controlPsychiatryMedicineInternal consistencyMedical emergency

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: This study seeks to evaluate the psychometric properties of the Ottawa Self-Injury Inventory-Functions (OSI-F) for assessing nonsuicidal self-injury (NSSI), a condition for further study in the DSM-5. PARTICIPANTS: Participants included 345 students who indicated a history of self-injury in a university counseling center over six semesters from August 2009 to May 2012. METHOD: Participants completed the OSI-F as a measure on the psychological intake for the university counseling center. RESULTS: Factor analysis, Cronbach's alpha coefficients, independent sample t tests, and correlations were examined and demonstrated adequate reliability and validity. CONCLUSIONS: A three-factor solution emerged from the restructured OSI-F relating to Affect Regulation, Exhilaration, and Release. Affect regulation dimensions were predictive of continuing to self-injure and related to depression, anxiety, and overall mental health. Additionally, women were more likely to attribute self-injuring to affect regulation.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,054
Score d'incertitude au seuil0,432

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,003
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,035
Tête enseignante GPT0,377
Écart entre enseignants0,341 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations8
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of American College HealthMême sujetSuicide and Self-Harm StudiesTravaux en français237 207