MétaCan
Menu
Retour à la cohorte
Enregistrement W3200708683 · doi:10.1177/10731911211044198

Psychometric Evaluation of the Moral Injury Events Scale in Two Canadian Armed Forces Samples

2021· article· en· W3200708683 sur OpenAlexafffundabout
Rachel A. Plouffe, Bethany Easterbrook, Aihua Liu, Margaret C. McKinnon, J. Don Richardson, Anthony Nazarov

Notice bibliographique

RevueAssessment · 2021
Typearticle
Langueen
DomainePsychology
ThématiquePosttraumatic Stress Disorder Research
Établissements canadiensDouglas Mental Health University InstituteSt Joseph's Health CareHomewood Research InstituteMcMaster UniversityLawson Health Research InstituteWestern University
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésMoral injuryPsychologyDiscriminant validityClinical psychologyAnxietyDistressAngerConvergent validityMilitary personnelScale (ratio)PsychometricsPsychiatryInternal consistencySocial psychology

Résumé

récupéré en direct d'OpenAlex

Moral injury (MI) is defined as the profound psychological distress experienced in response to perpetrating, failing to prevent, or witnessing acts that transgress personal moral standards or values. Given the elevated risk of adverse mental health outcomes in response to exposure to morally injurious experiences in military members, it is critical to implement valid and reliable measures of MI in military populations. We evaluated the reliability, convergent, and discriminant validity, as well as the factor structure of the commonly used Moral Injury Events Scale (MIES) across two separate active duty and released Canadian Armed Forces samples. In Study 1, convergent and discriminant validity were demonstrated through correlations between MIES scores and depression, anxiety, posttraumatic stress disorder, anger, adverse childhood experiences, and combat experiences. Across studies, internal consistency reliability was high. However, dimensionality of the MIES remained unclear, and model fit was poor across active and released Canadian Armed Forces samples. Practical and theoretical implications are discussed.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,283
Score d'incertitude au seuil0,998

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,180
Tête enseignante GPT0,505
Écart entre enseignants0,325 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations24
Publié2021
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueAssessmentMême sujetPosttraumatic Stress Disorder ResearchTravaux en français237 207