Translation of the Fear of COVID-19 Scale into French-Canadian and English-Canadian and Validation in the Nursing Staff of Quebec
Notice bibliographique
Résumé
Introduction : During the COVID-19 pandemic, Quebec has been one of the most affected provinces in Canada. Rising fear of COVID-19 is inevitable among healthcare workers, and a new scale was developed to measure this type of fear, the Fear of COVID-19 Scale (FCV-19S). Aims: To translate the FCV-19S into French-Canadian and English-Canadian, and to validate both versions in the nursing staff from Quebec. Methods : A cross-sectional online survey was sent to approximately 15 000 nursing staff including nurses and licensed practical nurses among those who had consented to their respective Order to be contacted for research. The forward-backward method was used to translate the FCV-19S into French-Canadian and English-Canadian. Both versions along with stress and work-related questionnaires, were used to establish validity. Results : A total of 1708 nursing staff, with a majority of women, completed the survey (1517 and 191 completed the French-Canadian and English-Canadian versions). A unidimensional scale was confirmed for both versions with Cronbach alphas of 0.90 and 0.88. Discriminative values showed higher fear levels in women, and in generation X (40-56 years old). Higher fear levels were also found in nursing staff working in long-term care facilities, provided care to COVID-19 patients who died, and those who felt less prepared to provide safe care. Convergent associations were found between fear levels, stress, work satisfaction, and turnover intention. Discussion and conclusion : A rigorous approach was used to translate the fear of COVID-19 scale into French-Canadian and English-Canadian. Both Canadian versions of the FCV-19S supported a valid unidimensional scale in Quebec nursing staff.
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 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 ».