The Premenstrual Assessment Form: Short Form (PAF-SF) – Additional Psychometric Analyses of a Brief Measure of Premenstrual Symptoms
Notice bibliographique
Résumé
The Premenstrual Assessment Form–Short Form (PAF-SF) is a 10-item measure that assesses premenstrual symptom severity. There is little research assessing the PAF-SF’s psychometrics and proposed subscales (affect/water retention/pain). This chapter aims to assess the 10-item PAF-SF’s psychometric properties (i.e., internal consistency, and structural/criterion-related/known groups validity). Eighty-seven naturally cycling females (Mage = 28.86 years, SD = 6.11) participated. Participants completed the 10-item PAF-SF; the State-Trait Anxiety Inventory–Trait subscale (STAI-T); and the Structured Clinical Interview for DSM-5 (SCID-5) premenstrual dysphoric disorder (PMDD) module. With principal components analysis, we extracted and compared three-factor (affect/water retention/pain) and two-factor (psychological/physiological) solutions for the PAF-SF. The two-factor solution was selected for its greater interpretability, simple structure, internal consistencies, and parsimony. Participants with versus without a provisional PMDD diagnosis had higher psychological subscale scores; unexpectedly, PMDD group differences were not observed on the physiological subscale. Psychological, but not physiological, subscale scores were positively correlated with trait anxiety and PMDD affective symptom count. Scores on the physiological subscale were positively correlated with the PMDD somatic symptom count. Psychological subscale scores were also positively correlated with the PMDD somatic symptom count. The 10-item PAF-SF appears to be a reliable and valid measure of premenstrual symptom severity and comprises psychological and physiological symptom domains.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».