Impact of cluster sampling on scale psychometrics: simulation study and application to mental health survey
Notice bibliographique
Résumé
Cluster sampling designs are frequently used in mental health surveys and prevention studies. The overall purpose of this thesis research is to investigate the impact of cluster sampling on scale psychometric properties and the psychometrics of a mental health assessment tool in Canadian culture. We conducted the simulation study to examine the impact on scale psychometrics of ignoring the non-independence of subjects within cluster. Results indicated that: (a) as the dependence among observations (i.e., ICC) increases, the model goodness of fit become worse or even not acceptable if we specified a single-level model for a multilevel data; (b) Single-level reliability estimates would consistently estimate reliability at both levels if the true reliability at both levels was the same or ICC is low; (c) Single-level reliability estimates would fall in the interval of true reliability at individual level and the true reliability at the school level. We also used data from Manitoba provincial Grade 5 mental health survey to examine the psychometrics of Strength and Difficulty Questionnaire (SDQ) as well as the influence of cluster sampling. Results indicate that the 5 factor structures identified in other cultures fit the Canadian sample well and the estimates of psychometrics (e.g., reliabilities) fell into reasonable range if we use the single level model. The study provides guidance for estimation of psychometrics with cluster sampling. Empirical analyses of psychometric properties of the Canadian SDQ provide supports for the usefulness of the SDQ as a screening tool for mental health of children and youth in the general Canadian population.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 ».