Psychometric properties of the Alcohol Use Disorders Identification Test (AUDIT) across cross-cultural subgroups, genders, and sexual orientations: Findings from the International Sex Survey (ISS)
Notice bibliographique
Résumé
INTRODUCTION: Despite being a widely used screening questionnaire, there is no consensus on the most appropriate measurement model for the Alcohol Use Disorders Identification Test (AUDIT). Furthermore, there have been limited studies on its measurement invariance across cross-cultural subgroups, genders, and sexual orientations. AIMS: The present study aimed to examine the fit of different measurement models for the AUDIT and its measurement invariance across a wide range of subgroups by country, language, gender, and sexual orientation. METHODS: : 32.73; SD = 12.59). Confirmatory factor analysis, as well as measurement invariance tests were performed for 21 countries, 14 languages, three genders, and four sexual-orientation subgroups that met the minimum sample size requirement for inclusion in these analyses. RESULTS: A two-factor model with factors describing 'alcohol use' (items 1-3) and 'alcohol problems' (items 4-10) showed the best model fit across countries, languages, genders, and sexual orientations. For the former two, scalar and latent mean levels of invariance were reached considering different criteria. For gender and sexual orientation, a latent mean level of invariance was reached. CONCLUSIONS: In line with the two-factor model, the calculation of separate alcohol-use and alcohol-problem scores is recommended when using the AUDIT. The high levels of measurement invariance achieved for the AUDIT support its use in cross-cultural research, capable also of meaningful comparisons among genders and sexual orientations.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,008 | 0,019 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| 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 source (Gemma direct ou Codex distillé), 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 ».