Assessing negative symptoms in schizophrenia: Validity of the clinical assessment interview for negative symptoms in Singapore
Notice bibliographique
Résumé
This study aimed to examine the validity of the Clinical Assessment Interview for Negative Symptoms (CAINS) in Singapore. 274 participants with schizophrenia were assessed on the CAINS, Scale for the Assessment of Negative Symptoms (SANS), Positive and Negative Syndrome Scale (PANSS), Calgary Depression Scale for Schizophrenia (CDSS), Social and Occupational Functioning Assessment Scale (SOFAS) and the Simpson-Angus Extrapyramidal Side Effects Scale (SES). Factor analyses were conducted and Cronbach's coefficient alpha was calculated. Spearman's correlation coefficient was used to assess correlations. The 2-factor model of the CAINS failed to fit our data. Exploratory factor analysis of a randomly selected split-half of the sample yielded four factors: motivation-pleasure (MAP) social, MAP vocational, MAP recreational and expression (EXP), accounting for 73.94% of the total variance. Confirmatory factor analysis on the remaining sample supported this factor structure. Cronbach's alpha for the CAINS was 0.770. Significant correlations were observed between the CAINS total and the SANS total and PANSS negative subscale scores. Good divergent validity was shown by insignificant correlations with PANSS positive subscale score and CDSS total score. The MAP social and recreational factor scores had moderate correlations with the SANS anhedonia-asociality subscale scores, whereas the MAP vocational factor had the highest correlation with the avolition-apathy subscale of the SANS. EXP factor score correlated strongly with the SANS affective flattening and alogia subscales scores. In conclusion, the CAINS has good psychometric properties and can be used by clinicians to assess negative symptoms in individuals with schizophrenia in the local population.
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 | 0,004 | 0,009 |
| 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 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| 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 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 ».