MétaCan
Menu
Retour à la cohorte
Enregistrement W4390277972 · doi:10.1016/j.cpr.2023.102377

Measuring moral distress and moral injury: A systematic review and content analysis of existing scales

2023· review· en· W4390277972 sur OpenAlexaff
Stephanie A. Houle, Natalie Ein, Julia Gervasio, Rachel A. Plouffe, Brett T. Litz, R. Nicholas Carleton, Kevin T. Hansen, Jenny J. W. Liu, Andrea R. Ashbaugh, Walter Callaghan, Megan M. Thompson, Bethany Easterbrook, Lorraine Smith‐MacDonald, Sara Rodrigues, Stéphanie A.H. Bélanger, Katherine Bright, Ruth A. Lanius, Clara Baker, William Younger, Suzette Brémault‐Phillips, Fardous Hosseiny, J. Don Richardson, Anthony Nazarov

Notice bibliographique

RevueClinical Psychology Review · 2023
Typereview
Langueen
DomaineHealth Professions
ThématiqueEthics in medical practice
Établissements canadiensSt Joseph's Health CareUniversity of AlbertaMcMaster UniversityRoyal Military College of CanadaDefence Research and Development CanadaWestern UniversityUniversity of TorontoUniversity of OttawaUniversity of ReginaVeterans Affairs CanadaMount Royal UniversityLawson Health Research Institute
Organismes subventionnairesnon disponible
Mots-clésPsychologyStressorDistressScale (ratio)Relevance (law)Content validityQuality (philosophy)Clinical psychologyPsychometricsApplied psychologyEpistemology

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Moral distress (MD) and moral injury (MI) are related constructs describing the negative consequences of morally challenging stressors. Despite growing support for the clinical relevance of these constructs, ongoing challenges regarding measurement quality risk limiting research and clinical advances. This study summarizes the nature, quality, and utility of existing MD and MI scales, and provides recommendations for future use. METHOD: We identified psychometric studies describing the development or validation of MD or MI scales and extracted information on methodological and psychometric qualities. Content analyses identified specific outcomes measured by each scale. RESULTS: We reviewed 77 studies representing 42 unique scales. The quality of psychometric approaches varied greatly across studies, and most failed to examine convergent and divergent validity. Content analyses indicated most scales measure exposures to potential moral stressors and outcomes together, with relatively few measuring only exposures (n = 3) or outcomes (n = 7). Scales using the term MD typically assess general distress. Scales using the term MI typically assess several specific outcomes. CONCLUSIONS: Results show how the terms MD and MI are applied in research. Several scales were identified as appropriate for research and clinical use. Recommendations for the application, development, and validation of MD and MI scales are provided.

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

Étiquettes directes de modèles (non validées)

Étiquettes de catégorie et de devis d'étude par modèle, issues des rondes d'étiquetage. C'est une sortie machine, non validée, et le désaccord entre modèles est livré comme donnée. Aucun devis ici n'est encore validé contre MEDLINE.

BrasCatégoriesDevis d'étudeConfiance
gemmaaucune catégorie
Domaine: non disponible · Genre: Synthèse
Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non
Revue systématiquehigh
gptaucune catégorie
Domaine: non disponible · Genre: Synthèse
Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non
Revue systématiquelow
modèles en accordL'accord compare des ensembles de catégories et des devis identiques entre les bras.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,052
score de la tête « metaresearch » (Gemma)0,151
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Méta-épidémiologie (sens strict), Méta-épidémiologie (sens large), Intégrité de la recherche
Catégories consensuellesMétarecherche, Intégrité de la recherche
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: Revue systématique
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,104
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0520,151
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0190,002
Bibliométrie0,0000,002
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0020,008
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,914
Tête enseignante GPT0,729
Écart entre enseignants0,185 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Étiqueté directement par 2 modèles lisant le dossier complet.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeRevue systématique
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations61
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueClinical Psychology ReviewMême sujetEthics in medical practiceTravaux en français237 207