Validation of the Insomnia Severity Index on Patients Recovering from High Impact Car Accidents
Notice bibliographique
Résumé
Background: The Insomnia Severity Index (ISI) is widely used in clinical assessments of insomnia in patients injured in high impact motor vehicle accidents (MVAs). This study examines the criterion and convergent validity of ISI on this clinical population. Method: De-identified archival data were available on 112 post-MVA patients (37 men, 75 women, mean age 38.8 years, SD=13.1). They completed the ISI as well as the Brief Pain Inventory, the Rivermead Post-concussion Symptoms Questionnaire, the Subjective Neuropsychological Symptoms Scale (SNPSS), Items 10 to 12 of the Whiplash Disability Questionnaire (ratings of depression, anger, and of anxiety), Whetstone Vehicle Anxiety Questionnaire, Driving Anxiety Questionnaire (DAQ), Steiner’s Automobile Anxiety Inventory, and some of them also completed the PTSD Checklist for DSM-5 (PCL-5). The ISI responses were also available from a community sample of 21 controls (10 men, 11 women, mean age of 39.2 years, SD=18.5). Results: The mean ISI total score of post-MVA patients (23.6, SD=13.1) was significantly higher than the one of the controls (6.0, SD=5.4) and significant between groups differences in the same direction were also observed on all 7 individual ISI items: the magnitude of these underlying relationships ranged from Pearson point biserial r of 0.68 to 87. The ISI total score also significantly correlated with ratings of post-MVA pain, depression, generalized anxiety, scores on measures of the post-concussion and whiplash syndrome, PTSD, and on Whetstone’s and DAQ measures of post-MVA driving anxiety. Discussion and Conclusions: The results show an excellent level of criterion and convergent validity of ISI for clinical assessments of insomnia in post-MVA patients.
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) | 0,000 | 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 ».