Defining and Measuring Moral Injury: Rationale, Design, and Preliminary Findings From the Moral Injury Outcome Scale Consortium
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
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.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découle