Psychometric Properties of the Abdominal Pain Index (API) in the Iranian Adolescent Population
Notice bibliographique
Résumé
Considering the high prevalence of abdominal pain in children and adolescents in Iran, it is essential to use appropriate screening tools. One of the most comprehensive, yet concise, tools for this purpose is the Abdominal Pain Index (API). This study aimed to investigate the psychometric properties of the Persian version of the self-report API in adolescents. In this descriptive study, A total of 162 Iranian adolescents in the age range of 12 to 18 years were considered as the sample group, which included two groups of school students (n = 125) and adolescent patients with abdominal pain (n = 37). Clinical sample was selected by the available sampling method, and nonclinical sample was selected by the cluster sampling method. Adolescents in the sample group were selected from both clinical and nonclinical groups in order to evaluate differential validity. Instruments, including API, somatic symptoms subscale of the General Health Questionnaire (GHQ), and McGill Pain Questionnaire (MPQ), were also completed for the participants. Also, to evaluate the construct validity of API, exploratory and confirmatory factor analysis methods were applied. The exploratory factor analysis identified one general factor, and the confirmatory factor analysis results show the model’s satisfactory fitting. Also, the researchers’ hypothesis, i.e., API is a single-factor model (with five items), was approved. The reliability coefficient of the questionnaire was satisfactory for the total scale (α < 0.7). This study showed that API could be used with considerable confidence for Iranian children and adolescents with chronic pain.
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 | 0,011 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| 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 ».