Factor Structure and Measurement Invariance of the Alcohol Use Disorders Identification Test (AUDIT) in a Sample of Military Veterans with and without PTSD
Notice bibliographique
Résumé
Background: The Alcohol Use Disorders Identification Test (AUDIT) was developed as a screening tool for problematic alcohol use and an intervention framework to aid those who drink excessively. While the AUDIT is widely used with at-risk populations, such as military veterans, major gaps exist in the research literature regarding the construct validity of the AUDIT in military samples. Objectives: This study assessed the factor structure and measurement invariance of the AUDIT in a large sample of Canadian military veterans (N = 1669; 94.94% male). Methods: Exploratory factor analysis (EFA) was conducted using a random subsample (n = 825) to assess the underlying factor structure of the AUDIT. Confirmatory factor analysis (CFA), using the second subsample (n = 844), was used to cross-validate the factor structure revealed by EFA and compare it to other model variants. Finally, multigroup CFAs were conducted using the whole sample to further cross-validate the factor structure and examine measurement invariance in military veterans with and without clinical elevations in posttraumatic stress disorder (PTSD) symptoms. Results: Factor analyses revealed that a modified two-factor model provided a statistically better fit to the data compared to all other model variants; yet, the results did not confirm measurement invariance across military veterans with and without clinically significant symptoms of PTSD. Conclusions/Importance: The findings are in line with increasing evidence suggesting that two subscale scores should be calculated for the AUDIT. Results further suggest that care should be taken in interpreting AUDIT scores when PTSD symptoms are present for military veterans.
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 | 0,000 |
| 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 ».