Psychometric Properties of the Multidimensional Assessment of Covid-19-Related Fears (MAC-RF) in French-Speaking Healthcare Professionals and Community Adults
Notice bibliographique
Résumé
The Multidimensional Assessment of COVID-19-Related Fears (MAC-RF) is an 8-item self-report measure, which is based on the theoretical premise that fear responses to COVID-19 involve different yet intertwined domains (i.e., bodily, relational, cognitive, and behavioural). In this multi-step study, we tested the psychometric properties of the French version of the MAC-RF and examined the reciprocal relationships among COVID-19-related fears. Data were collected in two French-speaking samples (N = 521 individuals from the community and N = 328 healthcare professionals). Internal reliability, convergent validity, construct validity, and internal structure of the MAC-RF were tested. The French version of the MAC-RF demonstrated good psychometric properties and a two-factor structure, with bodily and relational fears tapping into the first factor, and cognitive and behavioural fears tapping into the second factor. Healthcare professionals reported greater COVID-19-related fears than community participants. Correlation network analysis showed that fear for one’s own body and fear of taking action might increase the risk of experiencing other COVID-19-related fears. Limitations comprised the cross-sectional design of the study, risk of bias associated with self-report instruments, and use of online surveys. A careful assessment of different types of fear related to COVID-19 may have implications for prevention and clinical practice during the current coronavirus pandemic. The French version of the MAC-RF is valid and reliable and can thus be used for this purpose.
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 | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».