Defining and Measuring Moral Injury: Rationale, Design, and Preliminary Findings From the Moral Injury Outcome Scale Consortium
Notice bibliographique
Résumé
In the current paper, we first describe the rationale for and methodology employed by an international research consortium, the Moral Injury Outcome Scale (MIOS) Consortium, the aim of which is to develop and validate a content-valid measure of moral injury as a multidimensional outcome. The MIOS Consortium comprises researchers and clinicians who work with active duty military service members and veterans in the United States, the United Kingdom, the Netherlands, Australia, and Canada. We describe the multiphase psychometric development process being conducted by the Consortium, which will gather phenomenological data from service members, veterans, and clinicians to operationalize subdomains of impact and to generate content for a new measure of moral injury. Second, to illustrate the methodology being employed by the Consortium in the first phase of measure development, we present a small subset of preliminary results from semistructured interviews and questionnaires conducted with care providers (N = 26) at three of the 10 study sites. The themes derived from these initial preliminary clinician interviews suggest that exposure to potentially morally injurious events is associated with broad psychological/behavioral, social, and spiritual/existential impacts. The early findings also suggest that the outcomes associated with acts of commission or omission and events involving others' transgressions may overlap. These results will be combined with data derived from other clinicians, service members, and veterans to generate the MIOS.
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 | 0,158 | 0,121 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,007 | 0,007 |
| Études des sciences et des technologies | 0,005 | 0,006 |
| Communication savante | 0,005 | 0,004 |
| Science ouverte | 0,005 | 0,009 |
| Intégrité de la recherche | 0,003 | 0,008 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,002 |
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 ».