MétaCan
Menu
Retour à la cohorte
Enregistrement W4285156858 · doi:10.22161/ijaers.96.38

Screening for cross-cultural adaptations of the Patient’s Dignity Inventory

2022· article· en· W4285156858 sur OpenAlexaboutno aff
Alessandra do Nascimento Cavalcanti, Karina Danielly Cavalcanti Pinto, Eulália Maria Chaves Maia

Notice bibliographique

RevueInternational Journal of Advanced Engineering Research and Science · 2022
Typearticle
Langueen
DomaineMedicine
ThématiquePatient Dignity and Privacy
Établissements canadiensnon disponible
Organismes subventionnairesUniversidade Federal do Rio Grande do NorteConselho Nacional de Desenvolvimento Científico e Tecnológico
Mots-clésDignityAdaptation (eye)PsychologySocial psychologyPolitical scienceLaw

Résumé

récupéré en direct d'OpenAlex

Cross-cultural adaptation is a process that involves the transfer of knowledge between different cultures. Therefore, for a psychological instrument to be used in another country, for example, it is necessary to follow methodological rigors for an effective final model. In the field of oncology, research on the concept of dignity is incipient in most of the countries and one of the precursors of this concept was the Canadian psychiatrist, Harvey Chochinov. A model called the Dignity Model was developed and resulted in an inventory (Patient Dignity Inventory). The objective of this research is to carry out a screening on the cross-cultural adaptation studies of the Patient's Dignity Inventory. It is an integrative literature review to verify the main studies published databases about validation of the Patient Dignity Inventory. MEDLINE, LILACS, Scielo and Google Scholar databases were used to track adaptation studies. The keywords "Patient Dignity Inventory" AND "Validation" OR "Cross Cultural" were used for the collection of articles. In the initial results, 121 articles were found. After applying all filters, 19 articles were found within the criteria selected for review. It was noticed that most of the studies used rigorous methods, resulting in inventories with satisfactory psychometric properties for use in another culture.

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)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,591
Score d'incertitude au seuil0,247

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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)0,0000,000

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 Opus0,126
Tête enseignante GPT0,428
Écart entre enseignants0,302 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
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

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Advanced Engineering Research and ScienceMême sujetPatient Dignity and PrivacyTravaux en français237 207