Translation and Psychometric Evaluation of the Partners in Health Scale Among Iranian Adults With Chronic Diseases
Notice bibliographique
Résumé
Objectives: Characterizing the psychometric attributes of the Persian variant of partners in health (PIH) in multiple sclerosis (MS), Diabetes, and Low Back Pain (LBP) patients. Methods: In this cross-sectional study, 183 MS, diabetes, and LBP patients (70 male, 113 female) were treated with PIH post-forward-backward translation. Confirmatory factor analysis was used for studying the factor structure. Cronbach’s α and McDonald’s Ω coefficients were used to analyze PIH internal consistency. We used an interclass correlation coefficient to evaluate test-retest reliability. Criterion validity was determined by studying the correlation of PIH and Short Form (36) Health Survey (SF-36), Diabetes Self-Management Scale (DSMS), and Self-Efficacy in Chronic Disease Self-Management (SES6G). Results: The median age of the participants was 49.73±15.16 years, 113 (61.75%) of them were female, 64 (35.0%) had MS, 66 (36.1%) had diabetes, and 53 (29.0%) had LBP. Content validity was determined across all areas (clarity, relevancy, simplicity) by a content validity index ≥0.82. Additionally, all items were confirmed via a content validity ratio ≥0.78. The outcome of CFA depicts that the statistics presented as model fit were as follows: CFI= 0.938, NFI= 0.899, and RMSEA= 0.085. All PIH items exhibited valid internal consistency (0.886-0.893). The PIH showed sufficient test-retest reliability regarding its corresponding subscales (0.554-0.679). The construct validity was confirmed by the total scores of PIH correlated with the total score of SF-36, SES6G, and DSMS. Discussion: The Persian variant of the PIH showed sufficient validity and reliability as a measure to assess self-management in patients suffering from chronic disease (MS, diabetes, and LBP).
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| 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) | 0,000 | 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 ».