Rasch analysis of the firefighters’ critical incident inventory questionnaire
Notice bibliographique
Résumé
BACKGROUND: The Critical Incident Inventory (CII) was developed to assess stressful exposures in firefighters and emergency service workers. The CII includes six subscales: trauma to self, victims known to fire-emergency worker, multiple casualties, incidents involving children, unusual or problematic tactical operations, and exposure to severe medical trauma. OBJECTIVES: To examine the construct validity of all subscales of the Critical Incident Inventory (CII) by assessing the unidimensionality of the scales, and the interval properties of CII subscales by examining fit to the Rasch model and ordering of item thresholds. METHODS: This was a secondary data analysis based on survey data collected from a sample of 390 firefighters. RESULTS: Item 4 and Item 20 were removed with the confirmation of unacceptable fit residual. This revised version of the CII showed satisfactory fit to the Rasch model by non-significant Chi-square test and acceptable level of item fit. We rescored the CII original version and considered all items as only dichotomous response options where 0 represented the original no experience, and 1 presents the combination of experiencing 1, 2, 3 cases. CONCLUSION: The re-appraisal of the revised version CII indicated a satisfactory level of Rasch model fit.
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 | 0,000 | 0,001 |
| 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 | 0,000 |
| 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) | 0,001 | 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 ».