Psychometric evaluation and factor analysis of the Iranian version of the Fear of Guilt Scale (FOGS) for obsessive-compulsive disorder (OCD)
Notice bibliographique
Résumé
Introduction: Fear of guilt is a characteristic of obsessive-compulsive disorder, which confirms the centrality of guilt in obsessive-compulsive symptoms. Aim: This study aims to investigate the psychometric properties and factor structure of the Iranian adaptation of the Fear of Guilt Scale. Method: This study was applied and developmental in terms of aim and psychometric type,respectively. The population included all the people of the three company in Tehran, Iran, in the year 2022 from which 520 adults, were selected by availabile sampling. The Vancouver Obsessional Compulsive Inventory (2004) and the Fear of Guilt Scale (2016) were used to collect the data. Besides, mean, standard deviation (SD), exploratory and confirmatory factor analysis, convergent validity and construct validity, SPSS version 26 and AMOS version 24 were run to analyze the data. Results: Confirmatory factor analysis revealed the existence of two factors: "punishment" and "prevention of harm." The scale demonstrated favorable convergent validity. Concerning scale reliability, the Cronbach's alpha coefficient was calculated at 0.90 for the entire scale, 0.88 for the "punishment" subscale, and 0.75 for the "prevention of harm" subscale which revealed the convergent and construct validity of this questionnaire. Conclusion: This study confirms the psychometric properties of the Fear of Guilt Scale in terms of evaluating the features of fear of guilt in obsessive-compulsive disorder .Future researches can use this tool for the purposes of evaluating and investigating the fear of guilt in patients with obsessive compulsive disorder.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,003 |
| 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 | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».