Validation and Psychometric Testing of the Arabic Version of the Mental Health Literacy Scale Among the Saudi Arabian General Population
Notice bibliographique
Résumé
Abstract Objective This study aimed to validate the Arabic Version of the Mental Health Literacy Scale (Arabic-MHLS) among the Saudi Arabian general population, assessing its internal consistency, test-retest reliability, and structural validity. Methods A total of 700 Arabic-speaking Saudi adults were randomly selected to complete the electronic questionnaire in May 2023, which generated 544 participants. Data were coded and stored in the ZdataCloud research data collection system database. Test-retest reliability was assessed using a subsample of 48 participants who completed the questionnaire twice, with a one-week interval. Structural validity was examined using confirmatory factor analysis (CFA) and Exploratory Factor Analysis (EFA). Results The Arabic-MHLS demonstrated good internal consistency (Cronbach's alpha = 0.87) and test-retest reliability (intraclass correlation coefficient = 0.89). EFA revealed a four-factor model closely resembling the model identified in the Slovenian validation of MHLS, with factor loadings ranging from 0.40 to 0.85. The four factors included knowledge of mental health disorders, knowledge of help-seeking, knowledge of self-help strategies, and knowledge of professional help also showed good internal consistency. Conclusion The Arabic-MHLS is a valid and reliable tool for assessing mental health literacy in the Saudi Arabian general population. However, further research is needed to refine the measurement tool and understand the complex relationships between mental health literacy and other mental health-related concepts. This will contribute to the development of targeted interventions and policies aimed at improving mental health literacy and promoting mental well-being in the Saudi Arabian population and beyond.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».