Is there evidence for factorial invariance of the COVID Stress Scales? an analysis of North American and cross-cultural populations
Notice bibliographique
Résumé
The COVID-19 pandemic impacted the mental health of more citizens globally than any previous modern viral outbreak. In response to the psychological challenges associated with COVID-19, the COVID Stress Scales (CSS) were developed to assess the presence and severity of COVID-related distress. The initial North American validation study of the CSS identified that the scale comprised five factors: danger and contamination fears, fear of socioeconomic consequences, xenophobia, checking and reassurance seeking, and traumatic stress symptoms. The CSS have since been validated across a multitude of international populations. However, findings support a five- and six-factor model. Methodological issues make interpreting most studies supporting a five-factor model challenging. The purpose of this study was to re-evaluate the factor structure of the CSS using data from North American samples, to assess for potential factorial invariance, and compare these results to cross-cultural findings. Multiple confirmatory factor analyses (mCFA) were conducted across 28 different groups (e.g., age, ethnicity/race, sex) from two large independent North American samples from 2020 (n = 6827) and 2021 (n = 5787), assessing the fit indices of the five-, six-, and alternative-factor model of the CSS. The current results provide evidence for factorial invariance of the six-factor model of the CSS across different North American demographics and highlight potential challenges in interpreting the results of studies that have supported a five-factor model of the CSS.
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 | 0,013 | 0,026 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 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 ».