Multidimensional Assessment of COVID-19-Related Fears (MAC-RF): A Theory-Based Instrument for the Assessment of Clinically Relevant Fears During Pandemics
Notice bibliographique
Résumé
In this article, we present the development and psychometric properties of the Multidimensional Assessment of COVID-19--Related Fears (MAC-RF). The MAC-RF is an eight-item, self-report scale that has been developed to assess clinically relevant domains of fear during the COVID-19 pandemic. The MAC-RF is based on a comprehensive theoretical model conceptualizing fears during the pandemics as resulting from an interaction of bodily, interpersonal, cognitive, and behavioral experiences. The MAC-RF was administered to a sample of 623 Italian adults from the community aged between 18 and 76 years old (M= 35.67, SD= 12.93), along with a measure of current clinical symptoms. Item response theory analyses demonstrated that each item of the MAC-RF provided sufficient information about the underlying construct of fear. The statistical fit of the scale was satisfactory. MAC-RF total scores correlated significantly and positively with total scores on the measure of psychopathology and with the clinical symptom domain scores. A ROC (receiver operating characteristic) curve analysis showed that the MAC-RF total score was sufficiently able to identify cases with high levels of current psychopathology, with an area under the curve of.76. These findings suggest that the MAC-RF can be used to assess pathological fear during pandemics. The English, Italian, and French versions of the MAC-RF are annexed to this article for use by clinicians and health services.
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 | 0,002 | 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) | 0,000 | 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 ».