Psychometric properties of measures of motivation and engagement after acquired brain injury.
Notice bibliographique
Résumé
OBJECTIVE: This study investigated psychometric properties of the Motivation for Traumatic Brain Injury Rehabilitation Questionnaire (MOT-Q), the Brain Injury Rehabilitation Trust Motivation Questionnaire-Self (BMQ-S), the Rehabilitation Therapy Engagement Scale-Revised (RTES-R), and the BMQ-Relative (BMQ-R) in individuals with an acquired brain injury (ABI). DESIGN: Thirty-nine patients with an ABI completed the MOT-Q, BMQ-S, measures of apathy (Apathy Evaluation Scale-Self), insight (Patient Competency Rating Scale-Self), depression, and anxiety (HADS). Twenty clinicians provided 39 ratings using the RTES-R, BMQ-R, measures of patient apathy (Apathy Evaluation Scale-Clinician) and insight (Patient Competency Rating Scale-Clinician). Internal consistency, test-retest reliability, interrater reliability, and convergent validity were estimated. RESULTS: The MOT-Q (α = .93) and BMQ-S (α = .91) had excellent internal consistency and test-retest reliability (intraclass correlation coefficient [ICC] = 0.80 and 0.85). The MOT-Q and BMQ-S did not correlate with each other. The MOT-Q correlated with insight (r = -0.37, p < 0.05). The BMQ-S correlated with insight (r = -0.44, p < 0.01), apathy (r = .50, p < 0.01), depression (r = .55, p < 0.01), and anxiety (r = .49, p < 0.01). The RTES-R (α = .96) and BMQ-R (α = .95) had excellent internal consistency and good interrater reliability (ICC = 0.67 and 0.68). The RTES-R and BMQ-R correlated with each other (r = -0.88, p < 0.01), with apathy (r = -0.82 and r = .88, p < 0.01), and insight (r = -0.61 and r = .63, p < 0.01). CONCLUSIONS: The MOT-Q, RTES-R, BMQ-S, and BMQ-R have good reliability and validity. Using the MOT-Q and BMQ-S together may provide additional insight. (PsycINFO Database Record
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 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 | 0,001 | 0,005 |
| 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 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».