Examining the dimensionality of the Fear of Cancer Recurrence Inventory
Notice bibliographique
Résumé
Abstract Objective Fear of cancer recurrence (FCR) is a common concern among cancer survivors, and the Fear of Cancer Recurrence Inventory (FCRI) is a frequently used measure to assess FCR. Given that the dimensionality of FCR has received recent debate, the overall goal of this secondary analysis was to re‐examine the dimensionality of the FCRI using confirmatory factor analyses (CFA) to compare models of FCR, using data from a large sample of cancer survivors. Methods Three models of FCR (including unidimensional and multidimensional models of the FCRI) were informed by the literature and proposed a priori. Separate CFAs were conducted to test the fit of each model to the data, and models with acceptable fits were compared. Results Of all the tested FCR models, a multidimensional first‐order model aligned with the originally developed 7‐subscale FCRI revealed the best fit to the data ( χ 2 = 3359.135, P < .0001, df = 795, RMSEA = 0.057 [0.055, 0.059], CFI = 0.897, TLI = 0.888). When this 7‐factor structure was loaded onto a single, second‐order factor of overall FCR, the model fit statistics were slightly poorer ( χ 2 = 3459.632, P < .0001, df = 807, RMSEA = 0.058 [0.056, 0.060], CFI = 0.893, TLI = 0.886). However, the difference between the models was significant (chi‐square difference = 103.142, P < .0001, df = 12) indicating that the first‐order model was a better fit to the data. Conclusions These results align with empirical and theoretical literature that supports the use of the FCRI as a multidimensional scale. Implications of results are discussed in light of FCR conceptualization and measurement.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| 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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».