MétaCan
Menu
Retour à la cohorte
Enregistrement W4311822595 · doi:10.1177/20552173221144226

Assessing care-related regret among nurses specialized in multiple sclerosis: A psychometric analysis of a new assessment battery

2022· article· en· W4311822595 sur OpenAlexaff
Javier Ballesteros, Guillermo Bueno-Gil, Alfredo Rodríguez-Antigüedad, Ángel Pérez Sempere, Beatriz del Río, Mar Baz, Nicolás Medrano, Gustavo Saposnik, Jorge Mauriño

Notice bibliographique

RevueMultiple Sclerosis Journal - Experimental Translational and Clinical · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueMultiple Sclerosis Research Studies
Établissements canadiensUniversity of TorontoSt. Michael's Hospital
Organismes subventionnairesRoche España
Mots-clésRegretReliability (semiconductor)Scale (ratio)PsychologyMultiple sclerosisClinical psychologyApplied psychologyPsychiatryStatisticsMathematics

Résumé

récupéré en direct d'OpenAlex

Experiences of regret associated with caring for patients with multiple sclerosis (MS) can affect medical decisions. A non-interventional study was conducted to assess the dimensionality and item characteristics of a battery including the Regret Intensity Scale (RIS-10) and 15 items evaluating common situations experienced by nurses in MS care. A total of 97 nurses were included. The RIS-10 showed good internal reliability and a unidimensional structure according to Mokken analysis. All-item homogeneity coefficients exceeded 0.30, whereas scalability for the overall RIS-10 was 0.66, indicating a strong scale. This battery showed adequate psychometric properties to evaluate regret among MS nurses.

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)0,002
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge 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 enseignants0,020
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0020,003
Études des sciences et des technologies0,0010,001
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,002
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,246
Tête enseignante GPT0,436
Écart entre enseignants0,190 · 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

Citations2
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMultiple Sclerosis Journal - Experimental Translational and ClinicalMême sujetMultiple Sclerosis Research StudiesTravaux en français237 207