Using Exploratory Structural Equation Modeling (ESEM) to Examine the Internal Structure of Posttraumatic Stress Disorder Symptoms
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
Several studies have reported the factor structure of posttraumatic stress disorder (PTSD) using confirmatory factor analysis (CFA). The results show models with different number of factors, high correlations between factors, and symptoms that belong to different factors in different models without affecting the fit index. These elements could suppose the existence of considerable item cross-loading, the overlap of different factors or even the presence of a general factor that explains the items common source of variance. The aim is to provide new evidence regarding the factor structure of PTSD using CFA and exploratory structural equation modeling (ESEM). In a sample of 1,372 undergraduate students, we tested six different models using CFA and two models using ESEM and ESEM bifactor analysis. Trauma event and past-month PTSD symptoms were assessed with Life Events Checklist for DSM-5 (LEC-5) and PTSD Checklist for DSM-5 (PCL-5). All six tested CFA models showed good fit indexes (RMSEA = .051-.056, CFI = .969-.977, TLI = .965-.970), with high correlations between factors (M = .77, SD = .09 to M = .80, SD = .09). The ESEM models showed good fit indexes (RMSEA = .027-.036, CFI = .991-.996, TLI = .985-.992). These models confirmed the presence of cross-loadings on several items as well as loads on a general factor that explained 76.3% of the common variance. The results showed that most of the items do not meet the assumption of dimensional exclusivity, showing the need to expand the analysis strategies to study the symptomatic organization of PTSD.
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 | 0,002 | 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