COVID-19 Public Stigma Scale (COVID-PSS): development, validation, psychometric analysis and interpretation
Notice bibliographique
Résumé
OBJECTIVE: Amid the COVID-19 pandemic, social stigma towards COVID-19 infection has become a major component of public discourse and social phenomena. As such, we aimed to develop and validate the COVID-19 Public Stigma Scale (COVID-PSS). DESIGN AND SETTING: National-based survey cross-sectional study during the lockdown in Thailand. PARTICIPANTS: We invited the 4004 adult public to complete a set of measurement tools, including the COVID-PSS, global fear of COVID-19, perceived risk of COVID-19 infection, Bogardus Social Distance Scale, Pain Intensity Scale and Insomnia Severity Index. METHODS: Factor structure dimensionality was constructed and reaffirmed with model fit by exploratory and confirmatory factor analyses and non-parametric item response theory (IRT) analysis. Psychometric properties for validity and reliability were tested. An anchor-based approach was performed for classifying the proper cut-off scores. RESULTS: After factor analysis, IRT analysis and test for model fit, we created the final 10-item COVID-PSS with a three-factor structure: stereotype, prejudice and fear. Face and content validity were established through the public and experts' perspectives. The COVID-PSS was significantly correlated (Spearman rank, 95% CI) with the global fear of COVID-19 (0.68, 95% CI 0.66 to 0.70), perceived risk of COVID-19 infection (0.79, 95% CI 0.77 to 0.80) and the Bogardus Social Distance Scale (0.50, 95% CI 0.48 to 0.53), indicating good convergent validity. The correlation statistics between the COVID-PSS and the Pain Intensity Scale and Insomnia Severity Index were <0.2, supporting the discriminant validity. The reliability of the COVID-PSS was satisfactory, with good internal consistency (Cronbach's α of 0.85, 95% CI 0.84 to 0.86) and test-retest reproducibility (intraclass correlation of 0.94, 95% CI 0.86 to 0.96). The proposed cut-off scores were as follows: no/minimal (≤18), moderate (19-25) and high (≥26) public stigma towards COVID-19 infection. CONCLUSIONS: The COVID-PSS is practical and suitable for measuring stigma towards COVID-19 in a public health survey. However, cross-cultural adaptation may be needed.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,004 |
| 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) | 0,006 | 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 ».